这篇文章主要介绍了DataFrame.groupby()所见的各种用法详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
groupby的函数定义：
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。
其他的参数解释就看文档吧：链接：pandas.DataFrame.groupby 介绍文档
pandas.set_option('display.float_format', lambda x: '%.2f' % x) # 禁用科学计数法
所见 1 ：日常用法
import pandas as pd df = pd.DataFrame({'Gender' : ['男', '女', '男', '男', '男', '男', '女', '女', '女'], 'name' : ['周杰伦', '蔡依林', '林俊杰', '周杰伦', '林俊杰', '周杰伦', '田馥甄', '蔡依林', '田馥甄'], 'income' : [4.5, 2.9, 3.8, 3.7, 4.0, 4.1, 1.9, 4.1, 3.2], 'expenditure' : [1.5, 1.9, 2.8, 1.7, 4.1, 2.5, 1.1, 3.4, 1.2] }) #根据其中一列分组 df_expenditure_mean = df.groupby(['Gender']).mean() #根据其中两列分组 df_expenditure_mean = df.groupby(['Gender', 'name']).mean() #只对其中一列求均值 df_expenditure_mean = df.groupby(['Gender', 'name'])['income'].mean()