pd.groupby()的用法

pandas中的`groupby()`方法是对数据按照指定的列进行分组操作，将同一组的数据放在一起。

`groupby()`方法的基本用法如下：

grouped = df.groupby('列名')

其中，`df`是一个DataFrame对象，`列名`是需要进行分组的列名。

调用`groupby()`方法后，会返回一个`DataFrameGroupBy`对象，可以对其进行聚合操作，例如`sum()`、`mean()`等。

下面是一些常用的`groupby()`方法的示例：

1. 对单个列进行分组，并对另一列求和：

grouped = df.groupby('列名')
result = grouped['另一列'].sum()

2. 对多个列进行分组，并对另一列求和：

grouped = df.groupby(['列名1', '列名2'])
result = grouped['另一列'].sum()

3. 对单个列进行分组，并对多列求和：

grouped = df.groupby('列名')
result = grouped[['另一列1', '另一列2']].sum()

4. 对单个列进行分组，并对另一列求平均值：

grouped = df.groupby('列名')
result = grouped['另一列'].mean()

5. 对单个列进行分组，并对另一列进行多个聚合操作：

grouped = df.groupby('列名')
result = grouped['另一列'].agg(['sum', 'mean', 'count'])

6. 对单个列进行分组，并对多列进行多个聚合操作：

grouped = df.groupby('列名')
result = grouped.agg({'另一列1': ['sum', 'mean'], '另一列2': 'count'})

上述示例中，`result`均为一个新的DataFrame对象，其中包含了分组后的聚合结果。

除了上述示例中的聚合操作外，`groupby()`方法还可以进行其他一些操作，例如`apply()`、`filter()`、`transform()`等，可以根据实际需要进行选择。