我有一个pandas DataFrame（大约3000行，如下所示）：
df.index q_id total_paid choice_txt
3 176 6918 7
12 176 0 3
21 176 5053 10
30 176 5219 9
39 176 5622 8
48 176 0 7
57 176 4239 7
66 176 2811 7
75 176 5049 7
84 176 6797 3
93 176 1740 7
102 176 4747 9
111 176 882 8
120 176 5961 6
129 176 7959 6
138 176 7100 2
147 176 1565 2
156 176 5776 7
165 176 4385 1
174 176 0 10
183 176 1131 8
192 176 10586 7
201 176 920 7
210 176 1900 4
219 176 4436 1
228 176 8715 5
237 176 8248 7
246 176 0 6
255 176 7683 10
263 176 572 8
and on...
我无法通过价值计数对其进行分组。基本上我想采用这个DataFrame并按相同的'choice_txt'计数，但也按值聚合组'total_paid'。在这种情况下，我想要3个聚合（低集，假设＆lt; 3000）（中间集，3001-6000）（高集，6001 +）
在示例中，'choice_txt'是标识符，而不是上面的计数。我想计算每个标识符存在多少个标识符，在这种情况下有标识符1-10。在3000行中，每个标识符1-10都有一条记录。
将这样的最终结果分组：
q_id total_paid choice_txt count
到目前为止，我的工作让我可以通过实际总付费价值将其分组：
176 low 10 1
low 2 3
low 3 2
low 4 1
low 6 5
low 7 4
low 8 3
low 9 2
mid 10 1
mid 8 1
mid 1 1
high 10 1
high 2 3
high 3 2
high 4 1
high 6 5
high 7 4
high 8 3
high 9 2
sub_grouped_df = filtered_df.groupby([series_col, breakout_column, "choice_txt"]).count()['another_column']
q_id total_paid choice_txt
176 0 10 1
2 3
3 2
4 1
6 5
7 4
8 3
9 2
56 10 1
236 8 1
455 1 1
572 8 1
609 8 1
636 7 1
826 10 1
...
176 9096 4 1
9141 5 1
9232 5 1
9357 8 1
9371 3 1
9601 1 1
9604 2 1
9706 8 1
9719 1 1
10032 1 1
10490 9 1
10586 7 1
10632 3 1
10799 4 1
12437 1 1
我有我需要的分组，除了我需要取'total_paid'并按值分组（再次是上面提到的低/中/高集。
但我无法弄清楚如何按值评估total_paid col并将其用于组中。
编辑：
好的，我有一个有效的解决方案，但它似乎完全是黑客攻击：
由于我需要累积3组（低，中，高），因此我的主数据帧按低，中，高标准分成3个独立的数据帧：
low_df = filtered_df.loc[filtered_df[breakout_column] <= low_high]
high_df = filtered_df.loc[filtered_df[breakout_column] > mid_high]
然后我在每一个上进行组合以获得我需要的分组：
mid_df = filtered_df.drop(low_df.index)
mid_df = mid_df.drop(high_df.index)
sub_low_df = low_df.groupby([series_col, "choice_txt"])
sub_mid_df = mid_df.groupby([series_col, "choice_txt"])
sub_high_df = high_df.groupby([series_col, "choice_txt"])
最后，我依次将我的结果组合成一个dict报告。
这是一个可接受的解决方案还是有更好的方法来实现结果？