在数据分析时，经常需要将数据分成不同的群组，pandas中的groupby()函数可以完美地完成各种分组操作。
分组是根据DataFrame/Series的某个字段值，将该字段的值相等的行/列分到同一组中，每一个小组是一个新的DataFrame或Series。
groupby()也可以按DataFrame中的多个字段分组，当多个字段的值都相等时分到同一组。
groupby()经常与批处理函数apply()、聚合函数agg()等配合使用，实现对数据的多元处理。
groupby用法和参数介绍
groupby(self, by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=no_default, observed=False, dropna=True):
by: 指定根据哪个/哪些字段分组，默认值是None，按多个字段分组时传入列表。by参数可以按位置参数的方式传入。
axis: 设置按列分组还是按行分组，0或index表示按列分组，1或columns表示按行分组，默认值为0。
level: 当DataFrame的索引为多重索引时，level参数指定用于分组的索引，可以传入多重索引中索引的下标（0,1…）或索引名，多个用列表传入。
level参数不能与by参数同时使用，如果两者同时存在，当by参数传入的是多重索引中的索引，则level不生效，当by参数传入的是DataFrame的列名，则报错。
as_index: 分组结果默认将分组列的值作为索引，如果按单列分组，结果默认是单索引，如果按多列分组，结果默认是多重索引。将as_index设置为False可以重置索引（0,1…）。
sort: 结果按分组列的值升序排列，将sort设置为False则不排序，可以提升性能。
dropna: 默认情况下，分组列的NaN在分组结果中不保留，将dropna设置为False，可以保留NaN分组。
其他三个参数不用关注，group_keys参数在源码中未使用，squeeze参数因为类型不兼容，官方已弃用，observed参数表示重设索引时，保留创建的全NaN行。
分组对象的内部结构
# coding=utf-8import pandas as pdimport numpy as npvip_df = pd.DataFrame({'isVip': ['vip', 'svip', 'member', 'vip', 'member', 'vip', 'svip'], 'gender': ['male', 'female', 'female', 'female', 'male', 'female', 'male'], 'age': [25, 30, 40, 25, 40, 18, 30], 'vipLevel': ['LV2', 'LV5', np.nan, 'LV3', 'LV2', 'LV2', 'LV3'], 'growValue': [180, 425, np.nan, 288, 190, 110, 240]})print(vip_df)grouped = vip_df.groupby('isVip')print(grouped)isVipgenderage vipLevelgrowValue0 vipmale 25LV2180.01svipfemale 30LV5425.02memberfemale 40NaNNaN3 vipfemale 25LV3288.04membermale 40LV2190.05 vipfemale 18LV2110.06svipmale 30LV3240.0groupby()分组得到的是一个DataFrameGroupBy对象，直接打印DataFrameGroupBy对象只能看到它的内存地址，看不到内部的结构。
for name, group in grouped:print(name)print(group)memberisVipgenderage vipLevelgrowValue2memberfemale 40NaNNaN4membermale 40LV2190.0svipisVipgenderage vipLevelgrowValue1svipfemale 30LV5425.06svipmale 30LV3240.0vipisVipgenderage vipLevelgrowValue0 vipmale 25LV2180.03 vipfemale 25LV3288.05 vipfemale 18LV2110.0for group in grouped:print(group)print(type(group), type(group[0]), type(group[1]))('member', isVipgenderage vipLevelgrowValue2memberfemale 40NaNNaN4membermale 40LV2190.0) ('svip', isVipgenderage vipLevelgrowValue1svipfemale 30LV5425.06svipmale 30LV3240.0) ('vip', isVipgenderage vipLevelgrowValue0 vipmale 25LV2180.03 vipfemale 25LV3288.05 vipfemale 18LV2110.0) DataFrameGroupBy是一个可迭代对象，可以转换成list打印，也可以直接遍历打印出来。遍历出来的是一个个元组，每个元组对应一个分组，元组的第一个元素与分组列里的值对应，元组的第二个元素是分到当前小组的数据，是一个DataFrame。
DataFrameGroupBy对象的内部结构为：[(分组名1， 子DataFrame1), (分组名2， 子DataFrame2), …]，相当于groupby()将DataFrame按字段值分成了多个小的DataFrame，然后将字段值和小的DataFrame用元组的方式保存在DataFrameGroupBy对象中。
print(grouped.groups)group_name = [gn for gn in grouped.groups.keys()]print(group_name)group = grouped.get_group(group_name[2])print('-'*40, '\n', group, sep=''){'member': [2, 4], 'svip': [1, 6], 'vip': [0, 3, 5]}['member', 'svip', 'vip']----------------------------------------isVipgenderage vipLevelgrowValue0 vipmale 25LV2180.03 vipfemale 25LV3288.05 vipfemale 18LV2110.0分组对象的groups属性可以返回分组信息，结果是一个形似字典的对象，由分组名和此分组数据在原DataFrame中的行索引组成。
借用groups可以提取出所有分组的分组名，分组对象的get_group()方法可以返回指定分组名的子DataFrame。
按多重索引分组
vip_multi_df = vip_df.set_index(['isVip', 'gender'])print('-'*40, '\n', vip_multi_df, sep='')---------------------------------------- age vipLevelgrowValueisVipgender vipmale 25LV2180.0svip female 30LV5425.0member female 40NaNNaNvipfemale 25LV3288.0member male 40LV2190.0vipfemale 18LV2110.0svip male 30LV3240.0# 按多重索引中的指定索引进行分组grouped = vip_multi_df.groupby(level='isVip')print('-'*40, '\n', grouped.mean(), sep='')# 按多重索引中除指定索引之外的索引分组grouped = vip_multi_df.groupby(level=vip_multi_df.index.names.difference(['gender']))print('-'*40, '\n', grouped.mean(), sep='')# 按多重索引中的多个索引分组grouped = vip_multi_df.groupby(level=[0, 1])print('-'*40, '\n', grouped.mean(), sep='')----------------------------------------age growValueisVipmember40.000000190.000000svip30.000000332.500000vip 22.666667192.666667----------------------------------------age growValueisVipmember40.000000190.000000svip30.000000332.500000vip 22.666667192.666667----------------------------------------agegrowValueisVipgender member female40.0NaN male40.0190.0svip female30.0425.0 male30.0240.0vipfemale21.5199.0 male25.0180.0level参数用于设置按多重索引中的指定索引分组，level传入的方式可以是索引name，也可以是索引在多重索引中的下标，还可以是排除某个索引外的其他索引。指定多个时用列表的方式传入。
grouped = vip_multi_df.groupby('gender')print('-'*40, '\n', grouped.mean(), sep='')grouped = vip_multi_df.groupby(['gender', 'age'])print('-'*40, '\n', grouped.mean(), sep='')----------------------------------------age growValuegender female28.250000274.333333male31.666667203.333333----------------------------------------growValuegender age female 18 110.0 25 288.0 30 425.0 40 NaNmale 25 180.0 30 240.0 40 190.0多重索引中的索引也可以传给groupby()的by参数，分组结果与将多重索引作为DataFrame的列是一样的。
如果用DataFrame的列作为分组列，多重索引会被转换成列保留在结果中。也可以用多重索引中的索引与列一起组合分组，相当于先对DataFrame重设索引再分组。
重置结果的索引
grouped = vip_multi_df.groupby(['isVip', 'gender'])print('-'*40, '\n', grouped.mean(), sep='')# 重设索引grouped = vip_multi_df.groupby(['isVip', 'gender'], as_index=False)print('-'*40, '\n', grouped.mean(), sep='')----------------------------------------agegrowValueisVipgender member female40.0NaN male40.0190.0svip female30.0425.0 male30.0240.0vipfemale21.5199.0 male25.0180.0----------------------------------------agegrowValue040.0NaN140.0190.0230.0425.0330.0240.0421.5199.0525.0180.0分组结果的索引默认是分组列的值，将as_index设置为False可以重置索引，相当于先分组再调用reset_index()函数。
结果是否排序
grouped = vip_df.groupby('isVip')print('-'*40, '\n', grouped.mean(), sep='')grouped = vip_df.groupby('isVip', sort=False)print('-'*40, '\n', grouped.mean(), sep='')----------------------------------------age growValueisVipmember40.000000190.000000svip30.000000332.500000vip 22.666667192.666667----------------------------------------age growValueisVipvip 22.666667192.666667svip30.000000332.500000member40.000000190.000000groupby()默认对结果按分组列的值升序排列，如果将sort参数修改为False，则不排序，保留原DataFrame中的顺序，不排序可以提升性能。
是否保留空值
grouped = vip_df.groupby('vipLevel')print('-'*40, '\n', grouped.mean(), sep='')grouped = vip_df.groupby('vipLevel', dropna=False)print('-'*40, '\n', grouped.mean(), sep='')----------------------------------------agegrowValuevipLevelLV2 27.666667160.0LV3 27.500000264.0LV5 30.000000425.0----------------------------------------agegrowValuevipLevelLV2 27.666667160.0LV3 27.500000264.0LV5 30.000000425.0NaN 40.000000NaN当分组列有空值（NaN）时，默认的分组结果中不保留NaN分组，将dropna参数修改为False，正常保留NaN分组。
提取分组结果的指定列
grouped = vip_df.groupby('isVip', dropna=False)print('-'*40, '\n', grouped['gender'], sep='')for name, group in grouped['gender']:print(name)print(group)----------------------------------------member2female4maleName: gender, dtype: objectsvip1female6maleName: gender, dtype: objectvip0male3female5femaleName: gender, dtype: object从groupby()分组结果中取一列，得到的是一个SeriesGroupBy对象，直接打印SeriesGroupBy对象只能看到它的内存地址，看不到内部的结构。
SeriesGroupBy的内部结构与DataFrameGroupBy相似，SeriesGroupBy对象的内部结构为：[(分组名1， 子Series1), (分组名2， 子Series2), …]，因此SeriesGroupBy也可以转换成list打印，也可以遍历取出每一个元素。
grouped = vip_df['gender'].groupby(vip_df['isVip'])for name, group in grouped:print(name)print(group)member2female4maleName: gender, dtype: objectsvip1female6maleName: gender, dtype: objectvip0male3female5femaleName: gender, dtype: object也可以先指定需要获取的列，再按DataFrame的另一个列进行分组，结果与先分组再获取指定列相同。
以上就是pandas中groupby()函数的用法介绍和分析，本文都是用DataFrame举例，Series的用法相似，不重复了。