返回值：返回重构格式的DataFrame，特别注意，groupby里面的字段内的数据重构后都会变成索引
groupby(),一般和sum()、mean()一起使用，如下例：
官网：https://pandas.pydata.org/pandas-docs/stable/user_guide/groupby.html
DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)
by : 接收映射、函数、标签或标签列表；用于确定聚合的组
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
在进行对groupby函数进行学习之前，首先需要明确的是，通过对DataFrame对象调用groupby()函数返回的结果是一个DataFrameGroupBy对象，而不是一个DataFrame或者Series对象，所以，它们中的一些方法或者函数是无法直接调用的，需要按照GroupBy对象中具有的函数和方法进行调用。
import pandas as pd
import numpy as np
df = pd.DataFrame({‘key1‘:list(‘aabba‘),
‘key2‘: [‘one‘,‘two‘,‘one‘,‘two‘,‘one‘],
‘data1‘: [8,6,2,4,3],
‘data2‘: [6,9,5,2,-7]})
key1 key2 data1 data2
0 a one 8 6
1 a two 6 9
2 b one 2 5
3 b two 4 2
4 a one 3 -7
grouped = df.groupby(‘key2‘)
print(type(grouped))
print(grouped)
#输出结果如下：
<class ‘pandas.core.groupby.generic.DataFrameGroupBy‘>
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x00000292E0778B50>
按key1分组并求均值
print(df.groupby(‘key1‘).mean(),‘\n‘)
data1 data2
key1
a 5.666667 2.666667
b 3.000000 3.500000
print(df.groupby(‘key1‘,as_index=False).mean(),‘\n‘)
#注意使用as_index=False和不使用的区别
key1 data1 data2
0 a 5.666667 2.666667
1 b 3.000000 3.500000
#功能与上一句相同：print(df.groupby([‘key1‘],as_index=False).mean(),‘\n‘)
按states,years分组并求均值
states=np.array([‘Ohio‘,‘California‘,‘California‘,‘Ohio‘,‘Ohio‘])
years=np.array([2005,2005,2006,2005,2006])
print(df[‘data1‘].groupby([states,years]).mean(),‘\n‘)
#输出结果如下：
California 2005 6
2006 2
Ohio 2005 6
2006 3
指定多个列名个单个列名后的区别在于，分组的主键或者索引（indice）将一个是单个主键，另一个则是一个元组的形式：
grouped = df.groupby(‘key1‘)
grouped_muti = df.groupby([states,years])
print(grouped.size())
key1
a 3
b 2
dtype: int64
print(grouped_muti.size())
California 2005 1
2006 1
Ohio 2005 2
2006 1
dtype: int64
print(grouped.get_group(‘a‘))
key1 key2 data1 data2
0 a one 8 6
1 a two 6 9
4 a one 3 -7
print(grouped_muti.get_group((‘Ohio‘, 2005)))
key1 key2 data1 data2
0 a one 8 6
3 b two 4 2
除了使用上述List类型的数据作为分组依据，还可以使用Series和字典作为分组依据。下面仅以字典类型为例：
import pandas as pd
import numpy as np
data=pd.DataFrame(np.arange(20).reshape(4,5),index=list(‘1234‘),columns=list(‘12345‘))
by_dict={‘1‘:‘red‘,‘2‘:‘yellow‘,‘3‘:‘yellow‘,‘4‘:‘black‘,‘5‘:‘white‘}
by_dict1={‘1‘:‘red‘,‘2‘:‘yellow‘,‘3‘:‘yellow‘,‘5‘:‘white‘}
data_1=data.groupby(by_dict)
print("按by_dict分组的结果：")
for key,group in data_1:
print(key)
print(group)
data_2=data.groupby(by_dict1)
print("按by_dict1分组的结果：")
data_3=data.groupby(by_dict1)
for key,group in data_3:
print(key)
print(group)
注意：
使用字典或Series作为依据对数据进行分组时，如果行索引或列索引在分组依据(代码中的by_dict和by_dict1变量)中并没有找到对应关系，则对应的行或列是不参与最终的分组的（不是自成一组，可以从by_dict1分组的结果中看出此结论）。
分组依据中可以出现行索引或列索引中没有出现的值。比如by_dict1中的5
使用Series和字典时，可以设置axis参数。
通过调用get_group()函数可以返回一个按照分组得到的DataFrame对象，所以可以将DataFrameGroupBy对象理解为是多个DataFrame组成的。
而没有调用get_group()函数之前，此时的数据结构任然是DataFrameGroupBy，此时进行对DataFrameGroupBy按照列名进行索引，
就可以得到SeriesGroupBy对象，取多个列名，则得到的任然是DataFrameGroupBy对象，这里可以类比DataFrame和Series的关系。
#A single group can be selected using get_group():
grouped.get_group("bar")
#Out:
A B C D
1 bar one 0.254161 1.511763
3 bar three 0.215897 -0.990582
5 bar two -0.077118 1.211526
Or for an object grouped on multiple columns:
#for an object grouped on multiple columns:
df.groupby(["A", "B"]).get_group(("bar", "one"))
因此，在没有进行调用get_group()，也就是没有取出特定某一组数据之前，此时的数据结构任然是DataFrameGroupBy，其中也有很多函数和方法可以调用，
如max()、count()、std()等，返回的结果是一个DataFrame对象。
调用get_group()函数后得到了Series的对象，下面的操作就可以按照Series对象中的函数行了。
print(grouped.count())
print(grouped.max()[[‘Age‘, ‘Score‘]])
print(grouped.mean()[[‘Age‘, ‘Score‘]])
如果其中的函数无法满足需求，也可以选择使用聚合函数aggregate，传递numpy或者自定义的函数，前提是返回一个聚合值。
关于使用自定义对数据进行分组时，要注意以下两点：
具体可参考官网的例子：https://pandas.pydata.org/pandas-docs/stable/user_guide/groupby.html
gb = df.groupby("key1")
gb.<TAB> #(输入gb.后按Tab键，可以看到以下提示：）
gb.agg gb.boxplot gb.cummin gb.describe gb.filter gb.get_group gb.height gb.last gb.median gb.ngroups
gb.plot gb.rank gb.std gb.transform gb.aggregate gb.count gb.cumprod gb.dtype gb.first gb.groups
gb.hist gb.max gb.min gb.nth gb.prod gb.resample gb.sum gb.var gb.apply gb.cummax
gb.cumsum gb.fillna gb.gender gb.head gb.indices gb.mean gb.name gb.ohlc gb.quantile gb.size
gb.tail gb.weight
def getSum(data):
total = 0
for d in data:
total+=d
return total
print(grouped.aggregate(np.median))
print(grouped.aggregate({‘Age‘:np.median, ‘Score‘:np.sum}))
print(grouped.aggregate({‘Age‘:getSum}))
aggregate函数不同于apply，前者是对所有的数值进行一个聚合的操作，而后者则是对每个数值进行单独的一个操作：
def addOne(data):
return data + 1
df[‘Age‘] = df[‘Age‘].apply(addOne)
df[‘Age‘] = df[‘Age‘].apply(int)
animals = pd.DataFrame({"kind": ["cat", "dog", "cat", "dog"],
"height": [9.1, 6.0, 9.5, 34.0],
"weight": [7.9, 7.5, 9.9, 198.0]})
animals.groupby("kind").agg(
min_height=pd.NamedAgg(column="height", aggfunc="min"),
max_height=pd.NamedAgg(column="height", aggfunc="max"),
average_weight=pd.NamedAgg(column="weight", aggfunc=np.mean))
for name, group in grouped:
print(name)
print(group)
# 循环拼接
for key, value in data_group:
new_data = pd.concat([new_data, value])
print(new_data)
Pandas中使用groupby时默认是在axis=0轴上进行分组的，也可以通过设置在axis=1轴上进行分组。
import pandas as pd
import numpy as np
def odd(num):
return int(num)%2==0
data=pd.DataFrame(np.arange(20).reshape(4,5),index=list(‘1234‘),columns=list(‘12345‘))
print("原始数据：")
print(data)
data_axis0=data.groupby(odd,axis=0)#默认依据index在odd上的运行结果进行分组
print("按axis=0进行分组结果如下：")
for key,group in data_axis0:
print(key)
print(group)
data_axis1=data.groupby(odd,axis=1)#默认依据column在odd上的运行结果进行分组
print("按axis=1进行分组结果如下：")
for key,group in data_axis1:
print(key)
print(group)
————————————————
https://blog.csdn.net/jingshuiliushen_zj/article/details/83211650
https://blog.csdn.net/m0_45210226/article/details/109406562
https://blog.csdn.net/FrankieHello/article/details/97272990
https://blog.csdn.net/brucewong0516/article/details/78768443
https://blog.csdn.net/yeshang_lady/article/details/102488971
原文：https://www.cnblogs.com/treasury-manager/p/14474963.html