Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas groupby用于根据类别对数据进行分组，并对类别应用一个函数。它也有助于有效地汇总数据。

Pandas dataframe.groupby()函数被用来根据一些标准将数据分成组。pandas对象可以在其任何一个axis上进行分割。分组的抽象定义是提供一个标签到组名的映射。

语法: DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, **kwargs)

参数 : by :映射、函数、str或iterable axis : int, default 0 level : 如果axis是一个多指标（分层），按一个或多个特定级别分组 as_index : 对于聚合输出，返回以组标签为索引的对象。只与DataFrame输入有关。as_index=False实际上是 “SQL风格 “的分组输出。 sort :对组键进行排序。通过关闭这个功能获得更好的性能。注意这并不影响每组中观察值的顺序。groupby保留了每组中的行的顺序。 group_keys :在调用apply时，将组键添加到索引中以识别件。 queeze :如果可能的话，降低返回类型的维度，否则返回一个一致的类型。

返回： GroupBy对象

例子#1：使用groupby()函数，根据 “团队 “对数据进行分组。

现在应用groupby()函数。

输出 :

让我们打印包含任何一个组的值。为此，使用团队的名称。我们使用函数get_group()来查找包含在任何一个组中的条目。

输出 :

例子#2：使用groupby()函数，根据一个以上的类别形成组（即使用一个以上的列来执行分割）。

输出 :

groupby()是一个非常强大的函数，有很多的变化。它使根据一些标准分割数据框架的任务变得非常容易和有效。