Python 熊猫：根据目标样本大小将数据分组为单独的部分

我正在尝试根据具有目标样本大小的列的值将pandas数据帧拆分为不同的组。下面的数据帧示例：

Rating     Result
1           25
2           24
5           20
5           21
6           18
7           20

假设我想把上面的数据框分成不同的类别，这样每个组包含2行值，并根据评级的值将其分开

因此，前两行有两个最低的评分，这将使他们在自己的组。第2组为5级和5级，第3组和最后一组为6级和7级

这将允许我查看不同评级组的平均结果

我目前试图处理这个任务的方式是通过一个原始循环，在这个循环中我硬编码了一些初始值，然后我用一个设定的量扩展参数范围，直到达到所需的样本大小。示例如下：

df = pd.DataFrame(columns=['Rating','Result'],data=[[1,25], [2,24], [5,20], [5,21], [6,18], [7,20]])

initial_rating_threshold = [2,4,6]
targetted_sample_size = 2
paramter_change = 1
for loop_number,original_threshold in enumerate(initial_rating_threshold):
min_threshold = original_threshold-paramter_change*loop_number-2
max_threshold = original_threshold + paramter_change * loop_number
count = len(df.loc[(df['Rating'] >= min_threshold) & (df['Rating'] < max_threshold )])

if count >=targetted_sample_size:
    break
    # This filter provides the dataframe with minimum desired sample size

df=pd.DataFrame（列=['Rating'，'Result']，数据=[[1,25]，[2,24]，[5,20]，[5,21]，[6,18]，[7,20]）
初始评分阈值=[2,4,6]
目标样本大小=2
参数变化=1
对于循环\u编号，枚举中的原始\u阈值（初始\u评级\u阈值）：
最小阈值=原始阈值-参数更改*循环编号-2
最大阈值=原始阈值+参数变化*循环数
计数=len（df.loc[（df['Rating']>=最小阈值）和（df['Rating']<最大阈值）]）
如果计数>=目标样本大小：
打破
#此筛选器为数据帧提供所需的最小样本大小

上面的代码基本上完成了这项工作，但是我简化了一点，让它同时调整最小参数值和最大参数值

是否有更有效的方式执行上述代码？理想情况下，它还可以处理多于1的列，并且不需要任何硬编码