Pandas Groupby熊猫定制系列？

我有一个数据帧：

 ID       Value
  1           1  
  2           2
  3           1    
  4           1
  5           2
  6           3
  7           4
  8           5  
  9          10  
 10          15

我想按我的值分组并计算ID，在自定义范围内：=10

结果如下：

 Value      ID
 <=2         5
 3-9         3
 >= 10       2

值ID
= 10       2

使用和

将numpy导入为np
标签=['=10']
bins=[0,2,9，np.inf]
df.groupby（pd.cut（df['Value']，bin，labels=labels））.size（）到框架（'ID'））
#输出
身份证件
价值
=10     2

使用和

将numpy导入为np
标签=['=10']
bins=[0,2,9，np.inf]
df.groupby（pd.cut（df['Value']，bin，labels=labels））.size（）到框架（'ID'））
#输出
身份证件
价值
=10     2

我认为你不需要groupby

labels = ['<=2', '3-9', '>=10']
bins = [0,2,9, np.inf]
pd.cut(df['Value'],bins=bins,labels=labels).value_counts().reset_index()
#out[]
index   Value
<=2     5
3-9     3
>=10    2

labels=['=10']
bins=[0,2,9，np.inf]
pd.cut（df['Value']，bin=bin，labels=labels）。Value\u counts（）.reset\u index（）
#out[]
索引值
=10    2

我认为你不需要groupby

labels = ['<=2', '3-9', '>=10']
bins = [0,2,9, np.inf]
pd.cut(df['Value'],bins=bins,labels=labels).value_counts().reset_index()
#out[]
index   Value
<=2     5
3-9     3
>=10    2

labels=['=10']
bins=[0,2,9，np.inf]
pd.cut（df['Value']，bin=bin，labels=labels）。Value\u counts（）.reset\u index（）
#out[]
索引值
=10    2

如何将结果重命名为我想要的？@homsand您想在此处重命名什么？例如：

（0.0，2.0]

为

@homsand Updated。如何将结果重命名为我想要的？@homsand您想在此处重命名什么？例如：
（0.0，2.0]
为
@homsand Updated。