当range未知时，Pandas按值范围分组

是指在使用Pandas进行数据分组时，根据数据的值范围来进行分组操作。具体而言，可以通过使用cut()函数来实现按值范围分组。

cut()函数可以将一组数据按照指定的范围划分成不同的区间，并将每个数据所属的区间作为新的一列添加到数据集中。这样可以方便地对数据进行分组统计、分析和可视化。

以下是按值范围分组的一般步骤：

导入Pandas库：import pandas as pd
创建数据集：可以从文件、数据库或其他数据源中读取数据，或者手动创建一个DataFrame对象。
使用cut()函数进行分组：pd.cut(data, bins, labels=labels)，其中data是要分组的数据，bins是指定的分组范围，可以是一个整数表示分组的数量，也可以是一个列表表示具体的分组边界，labels是可选参数，用于指定每个分组的标签。
查看分组结果：可以通过打印DataFrame对象或使用其他Pandas函数来查看分组结果。

下面是一个示例代码：

import pandas as pd

# 创建数据集
data = pd.DataFrame({'value': [1, 3, 5, 7, 9, 11, 13, 15, 17, 19]})

# 按值范围分组
bins = [0, 5, 10, 15, 20]
labels = ['A', 'B', 'C', 'D']
data['group'] = pd.cut(data['value'], bins, labels=labels)

# 查看分组结果
print(data)

输出结果如下：

   value group
0      1     A
1      3     A
2      5     A
3      7     B
4      9     B
5     11     C
6     13     C
7     15     D
8     17     D
9     19     D

在这个例子中，我们将数据集中的值按照0-5、5-10、10-15、15-20的范围进行分组，并将每个数据所属的分组标签添加到了新的一列中。

对于Pandas按值范围分组的应用场景，可以用于数据的离散化处理、数据的分布统计、数据的可视化等方面。例如，可以将连续的数值型数据转换为离散的类别，以便进行进一步的分析和建模。

推荐的腾讯云相关产品和产品介绍链接地址：