pandas-组操作-拆分-应用-组合（groupby）（一）

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, 
                  squeeze=NoDefault.no_default, observed=False, dropna=True)

参数解释：

• by :接收映射、函数、标签或标签列表；用于确定 groupby 的组。 如果 by 是一个函数，它会在对象索引的每个值上调用。 如果传递了 dict 或 Series，则 Series 或 dict VALUES 将用于确定组（首先对齐 Series 的值；请参阅 .align() 方法）。 如果传递了 ndarray，则按原样使用这些值来确定组。 标签或标签列表可以通过 self 中的列传递给 group。
• axis : 接收 0/1；用于表示沿行(0)或列(1)分割。
• level : 接收int、级别名称或序列，默认为None；如果轴是一个多索引(层次化)，则按一个或多个特定级别分组。
• as_index：接收布尔值，默认Ture；Ture则返回以组标签为索引的对象，False则不以组标签为索引。
• sort：接收布尔值，默认Ture；对组键进行排序。 关闭此功能可获得更好的性能。 请注意，这不会影响每个组内的观察顺序。 Groupby 保留每个组中行的顺序。
• group_keys：接收布尔值，默认Ture；调用 apply 时，将组键添加到索引以识别片段。
• squeeze：接收布尔值，默认False；如果可能，减少返回类型的维数，否则返回一致的类型
• observed：接收布尔值，默认False；这仅适用于任何组是分类的情况。 如果为 True：仅显示分类组的观察值。 如果为 False：显示分类组的所有值。
• dropna：接收布尔值，默认Ture；如果为 True，并且组键包含 NA 值，则 NA 值和行/列将被删除。 如果为 False，NA 值也将被视为组中的键

1. 基本用法： 

2. 多索引操作： 

3. 参数by的用法： 

接收映射、函数、标签或标签列表；用于确定 groupby 的组

4. 参数dropna 的用法

如果为 True，并且组键包含 NA 值，则 NA 值和行/列将被删除。 如果为 False，NA 值也将被视为组中的键

 5. 参数sort的用法：

5. 方法 get_group()的使用

可以获取group分组后的某一组

6. 属性groups的用法 

 7. 使用索引级别和列对 DataFrame 进行分组

8. 遍历group组

8. 使用Aggregation聚合函数操作group组 

 如您所见，聚合结果将具有组名称作为沿分组轴的新索引。 在多个键的情况下，默认情况下结果是 MultiIndex，但可以使用 as_index 选项更改：

 请注意，您可以使用 reset_index 函数来实现与列名存储在生成的 MultiIndex 中相同的结果：

9. 使用size方法展示group组的大小 

10 聚合函数是减少返回对象维度的函数。 下表列出了一些常见的聚合函数： 

Function	Description
mean()	Compute mean of groups
sum()	Compute sum of group values
size()	Compute group sizes
count()	Compute count of group
std()	Standard deviation of groups
var()	Compute variance of groups
sem()	Standard error of the mean of groups
describe()	Generates descriptive statistics
first()	Compute first of group values
last()	Compute last of group values
nth()	Take nth value, or a subset if n is a list
min()	Compute min of group values
max()	Compute max of group values