我有一个数据框，我想将其按一列进行分组（即分组为子范围），然后对每个分组的第二列取平均值：

import pandas as pd
import numpy as np

data = pd.DataFrame(columns=['Score', 'Age'])
data.Score = [1, 1, 1, 1, 0, 1, 2, 1, 0, 1, 1, 0, 2, 1, 1, 2, 1, 0, 1, 1, -1, 1, 0, 1, 1, 0, 1, 0, -2, 1]
data.Age = [29, 59, 44, 52, 60, 53, 45, 47, 57, 54, 35, 32, 48, 31, 49, 43, 67, 32, 31, 42, 37, 45, 52, 59, 56, 57, 48, 45, 56, 31]

_, bins = np.histogram(data.Age, 10)
labels = ['{}-{}'.format(i + 1, j) for i, j in zip(bins[:-1], bins[1:])]
labels[0] = '{}-{}'.format(bins[0], bins[1])
binned = pd.cut(data.Age, bins=bins, labels=labels, include_lowest=True, precision=0)
df = data.groupby(binned)['Score'].mean().reset_index()
df

这种分箱方式存在 2 个问题：

1. 第个箱的上限(n-1)和第个箱的下限之间存在 1 的间隙n（这意味着分箱不连续，并且位于此间隙中的数据点将被跳过）。
2. 最后几个 bin 限制在小数点后有很多数字。我precision=0在 中使用了标志cut，但似乎没用——无论x我在 中使用什么precision=x，它仍然会产生最后几个 bin 在小数点后有很多数字的 bin。

第二点会导致问题，例如，当我尝试绘制时df，它破坏了 x 轴的外观：

import matplotlib.pyplot as plt
plt.plot([str(i) for i in df.Age], df.Score, 'o-')

precision=0尽管我放置了标记以暗示我只想要整数作为 bin 限制，而不是浮点数，但为什么还是会发生这种情况？我该如何修复它？

我通过int手动将 bin 值转换为 s 来暂时解决这个问题：

_, bins = np.histogram(data.Age, 10)
for i in range(len(bins)): # my fix
    bins[i] = int(bins[i])
labels = ['{}-{}'.format(i + 1, j) for i, j in zip(bins[:-1], bins[1:])]
labels[0] = '{}-{}'.format(bins[0], bins[1])
binned = pd.cut(data.Age, bins=bins, labels=labels, include_lowest=True, precision=0)
df = data.groupby(binned)['Score'].mean().reset_index()
df

但这感觉像是黑客行为，我认为应该有一个“正确”的解决方案，而不是黑客行为。虽然它解决了第二个问题，但我不确定这是否解决了第一个问题。