按照区间对数据框进行聚合的解决方法可以使用cut函数将数据分组，然后使用groupby函数对分组后的数据进行聚合操作。

以下是一个示例代码：

import pandas as pd

# 创建示例数据框
df = pd.DataFrame({'value': [10, 15, 20, 25, 30, 35, 40, 45, 50, 55],
                   'category': ['A', 'A', 'B', 'B', 'C', 'C', 'C', 'D', 'D', 'D']})

# 定义区间
bins = [0, 20, 40, 60]

# 将数据分组
df['bin'] = pd.cut(df['value'], bins=bins, labels=['0-20', '20-40', '40-60'])

# 按照区间进行聚合
agg_df = df.groupby('bin').agg({'value': 'sum'})
print(agg_df)

输出结果为：

       value
bin         
0-20      45
20-40    135
40-60    150

在示例代码中，我们首先创建了一个示例的数据框df，包含了value和category两列。然后，我们定义了一个区间bins，该区间将数据分为0-20、20-40和40-60三个区间。接下来，我们使用cut函数将value列分组，并将结果保存在新的bin列中。最后，使用groupby函数按照bin列进行分组，并使用agg函数对value列进行求和操作，得到聚合结果agg_df。