如何定义函数检查任意DataFrame的Age列并返回年龄分箱统计结果

• 核心错误：input()函数返回的是字符串类型，你输入的只是DataFrame变量的名称字符串，不是内存中实际的DataFrame对象，对字符串执行df['Age']的索引操作自然会抛出字符串索引必须为整数的TypeError。
• 语法错误：pd.df['AgeGroup']写法错误，pd是pandas模块别名，不存在df属性，新增列应直接操作你自己的df变量，即df['AgeGroup']。
• 逻辑错误：代码中未定义result变量，直接调用会抛出NameError；函数没有设计入参，通过输入变量名获取对象的方式属于反模式，完全不符合Python变量调用逻辑。
• 需求遗漏：没有实现各年龄分类的样本数量统计逻辑。

import pandas as pd

def age_range(df):
    # 入参合法性校验
    if not isinstance(df, pd.DataFrame):
        raise TypeError("入参必须是pandas DataFrame类型")
    if 'Age' not in df.columns:
        raise ValueError("传入的DataFrame必须包含'Age'列")
    
    # 分箱规则增加inf边界，避免100岁以上数据出现空值
    bins = [0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, float('inf')]
    labels = ['0-9', '10-19', '20s', '30s', '40s', '50s', '60s', '70s', '80s', '90s', '100+']
    # 年龄分箱打标
    df['AgeGroup'] = pd.cut(df['Age'], bins=bins, labels=labels, right=False)
    # 统计各分组样本数量并按分组顺序排序
    age_count = df['AgeGroup'].value_counts().sort_index()
    print("年龄分组样本统计：")
    print(age_count)
    # 支持返回分箱后的DataFrame和统计结果供后续使用
    return df, age_count

# 测试用例
test_df = pd.DataFrame({'Age': [5, 12, 25, 33, 47, 59, 62, 78, 85, 99, 102]})
processed_df, count_result = age_range(test_df)

内容的提问来源于stack exchange，提问作者Noob3000