Pandas中的groupby函数用于对DataFrame中的数据进行分组。它可以根据某一列或多列的值将数据分成不同的组，并对每个组进行聚合操作。
以下是groupby函数的一般用法：
云服务器
物理服务器
虚拟主机
跨境电商服务器df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)
参数说明：
by: 指定分组的列名或列名的列表。可以是单个列名的字符串，也可以是多个列名组成的列表。axis: 指定分组的轴，默认为0，表示按行分组。如果设置为1，则表示按列分组。level: 如果DataFrame具有多层索引，则可以指定要分组的索引级别。as_index: 是否以分组的列作为索引，默认为True。sort: 分组后的结果是否根据分组键进行排序，默认为True。group_keys: 是否在最后的结果中包含分组键，默认为True。squeeze: 如果分组后的结果只有一列，是否将结果返回为Series，默认为False。observed: 是否观察到所有的分组键，默认为False。groupby函数返回一个GroupBy对象，可以对该对象进行聚合操作，如求和、平均值等。
以下是一些常用的groupby操作示例：
# 按某一列进行分组，并计算每组的平均值
df.groupby('column_name').mean()
# 按多个列进行分组，并计算每组的和
df.groupby(['column_name1', 'column_name2']).sum()
# 对分组后的结果进行聚合操作
df.groupby('column_name').agg({'column_name1': 'sum', 'column_name2': 'mean'})
# 对分组后的结果进行迭代
for group_name, group_data in df.groupby('column_name'):
# 操作每个分组的数据
# 对分组后的结果应用自定义的函数
df.groupby('column_name').apply(custom_function)
以上是groupby函数的基本用法，更详细的使用方法可以参考Pandas官方文档。
辰迅云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
推荐阅读： Pandas中怎么使用SMOTE方法生成合成样本