pandas方法 groupby函数

`groupby()` 函数是 `pandas` 库中用于数据分组并计算的数据操作工具。它是数据分析过程中非常核心的功能之一，在对数据集进行聚合、分析等操作时极为有用。

### 使用场景

当你需要按照某种标准（如某个列的值、时间范围、类别等）将数据分为不同的组，并在每个组上进行一些统计运算（如求和、平均值、计数等），此时 `groupby()` 就是一个非常实用的工具。

### 基本语法：

df.groupby(by=column_name).agg([func1, func2])

其中，
- `df` 表示 DataFrame 对象。
- `by=column_name` 指定了用于分组的列名。
- `.agg()` 后面可以传入一个字典，包含多个聚合函数及其应用目标。例如，你可以同时计算每个分组的平均值、最大值、最小值等。

### 示例：

假设我们有一个名为 `sales_data` 的 DataFrame 包含日期 (`Date`) 和销售额 (`SalesAmount`) 两个字段，现在想要按月份分组查看每个月的总销售额。

import pandas as pd

# 创建示例数据
data = {
    'Date': ['2023-01-05', '2023-02-10', '2023-01-15', '2023-02-20', '2023-01-25'],
    'SalesAmount': [100, 200, 150, 250, 120]
}
df = pd.DataFrame(data)

# 将 Date 列转换为 datetime 类型便于操作
df['Date'] = pd.to_datetime(df['Date'])

# 使用 groupby() 按月份分组并计算总销售额
grouped_sales = df.groupby(df['Date'].dt.month)['SalesAmount'].sum()

print(grouped_sales)

这个例子展示了如何利用 `groupby()` 和 `.sum()` 聚合函数按月汇总销售数据。

###