pandas 中groupby分组的使用

groupby 是 pandas 库中的一个非常有用的函数，它可以根据一个或多个列的值将数据分组。这个函数返回一个组（group）的对象，其中每个组都包含原始数据中具有相同值的行。

使用 groupby 的基本语法是：

grouped = df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False)

其中：

• by: 需要分组的列名或者列名的列表。如果没有指定，那么整个 DataFrame 将被分组。
• axis: 默认是 0，表示在行上进行分组。如果是 1，则表示在列上进行分组。
• level: 用于多层次索引（MultiIndex）。如果设置，那么 groupby 将在该级别上进行。
• as_index: 默认是 True，表示在返回的组对象中，索引将包含分组列。如果设为 False，则返回的组对象将具有默认的整数索引。
• sort: 默认是 True，表示在每个组内进行排序。如果设为 False，则不会进行排序。
• group_keys: 默认是 True，表示在返回的组对象中包含分组键。如果设为 False，则不会包含。
• squeeze: 默认是 False，表示如果结果是 Series，则返回一个 Series。如果是 DataFrame，则返回 DataFrame。如果设为 True，则尝试将结果挤压为 Series。

一旦你有了分组的对象，你可以执行各种操作，如计算每组的平均值、计数、求和等。例如：

	# 计算每组的平均值
	grouped.mean()
	# 计算每组的计数
	grouped.size()
	# 求每组的总和
	grouped.sum()

这些方法都是直接在分组对象上调用的，因此你可以链式调用这些方法。例如：

df.groupby('category')['value'].mean().reset_index()

这将首先按照 'category' 列的值将数据分组，然后计算每个组的 'value' 列的平均值，最后将结果重置为默认的索引。