怎么将上段代码按评分分类

将上段代码按评分分类的方法如下：

1. 首先在DataFrame中添加一个列"评分分类"，用于存储电影的评分分类。

2. 在for循环中获取每个电影的评分，并根据评分将电影分到相应的分类中。可以使用if-elif语句或者pandas的cut函数进行分类。

3. 将每个电影的评分分类存到"评分分类"列中。

4. 最后可以使用pandas的groupby函数对DataFrame进行按评分分类的统计。

修改后的代码如下：

import requests                 
from lxml import etree          
import pandas as pd 

headers = {     
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36 Edg/108.0.1462.46' 
}

def get_first_text(list):     
    try:         
        return list[0].strip()  
    except:         
        return ""               

df=pd.DataFrame(columns=["序号","标题","链接","导演","评分","评价人数","简介","评分分类"]) # 添加“评分分类”列

urls = ['https://movie.douban.com/top250?start={}&filter='.format(str(i * 25)) for i in range(10)] 
count = 1                       

for url in urls:     
    res = requests.get(url=url, headers=headers)  
    html = etree.HTML(res.text)  
    lis = html.xpath('//*[@id="content"]/div/div[1]/ol/li')  
   
    for li in lis:         
        title = get_first_text(li.xpath('./div/div[2]/div[1]/a/span[1]/text()'))  
        src = get_first_text(li.xpath('./div/div[2]/div[1]/a/@href'))  
        dictor = get_first_text(li.xpath('./div/div[2]/div[2]/p[1]/text()'))  
        score = float(get_first_text(li.xpath('./div/div[2]/div[2]/div/span[2]/text()')))  # 将评分转为浮点数
        comment = get_first_text(li.xpath('./div/div[2]/div[2]/div/span[4]/text()'))  
        summary = get_first_text(li.xpath('./div/div[2]/div[2]/p[2]/span/text()'))  

        # 根据评分分类
        if score >= 9.0:
            score_class = "优秀"
        elif score >= 8.0:
            score_class = "良好"
        elif score >= 7.0:
            score_class = "一般"
        else:
            score_class = "较差"

        df.loc[len(df.index)]=[count,title,src,dictor,score,comment,summary,score_class]  # 将评分分类存到DataFrame中
        count += 1  

# 按评分分类统计
df.groupby("评分分类").agg({"评分":["count","mean","max","min"]})

运行后，可以得到按评分分类的统计结果。其中，count表示数量，mean表示平均值，max表示最大值，min表示最小值。