Python 按连续数字分组

我正在处理这样的数据帧：

n_days    probability
 0            0.01
 17           0.1
 18           0.11
 19           0.12
 40           0.2
 41           0.21

n_days     mean_probability
  0           0.01
 17-19        0.11
 40-41        0.205

我想把连续的数字分组，得到每组的平均概率，如下所示：

n_days    probability
 0            0.01
 17           0.1
 18           0.11
 19           0.12
 40           0.2
 41           0.21

n_days     mean_probability
  0           0.01
 17-19        0.11
 40-41        0.205

n_天的格式设置不太相关

我试过这样的方法：

df['diff_days'] = df.n_days - df.n_days.shift()

然后：

df.diff_days.eq(1)

这带来了布尔值：

n_days    probability   bool_eq
 0            0.01       False
 17           0.1        False
 18           0.11       True
 19           0.12       True       
 40           0.2        False
 41           0.21       True

这似乎是向前迈出的一步，但我不确定如何跟进。每个
False
都是每个组的开始，但是我如何抓住整个组呢？
任何帮助都将不胜感激。谢谢。
您可以使用+：


你可以在垃圾箱上分组。请注意，每个bin都是从第一个值到最后一个值，但不包括第一个值，例如，（16-19）相当于[17-19]，其中列由整数组成

bins = [-1, 0, 16, 19, 39, 41]
>>> df.groupby(
        pd.cut(df['n_days'], bins))['probability'].mean().dropna()
n_days
(-1, 0]     0.010
(16, 19]    0.110
(39, 41]    0.205
Name: probability, dtype: float64

经过这么长时间，我觉得我应该知道关于
pd.cut
。谢谢@Alexander，因为数据帧更大，我使用了
bins=df[df.bool\u eq==0].n\u days.tolist（）
，然后是
bins=[-1，*bins]
，最后是
平均概率=df.groupby（pd.cut（df.n\u days，bins））.probability（）