对数据集进行分组并对各组应用一个函数，通常是数据分析工作中的重要环节。在将数据集加载、融合、准备好之后，通常就是计算分组统计或生成透视表。pandas提供了一个灵活高效的gruopby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。
=====================================
本系列内容：使用一个或多个键（形式可以是函数、数组或DataFrame列名）分割pandas对象。计算分组的概述统计。 应用组内转换或其他运算。 计算透视表或交叉表。 执行分位数分析以及其它统计分组分析。
对时间序列数据的聚合（groupby的特殊用法之一）也称作重采样
GroupBy机制
一个用于表示分组运算的术语"split-apply-combine"（拆分－应用－合并）。第一个阶段，pandas对象（无论 是Series、DataFrame还是其他的）中的数据会根据你所提供的一个或多个键被拆分（split）为多组。拆分操作是在对象的特定轴上执行的。然后，将一个函数应用（apply）到 各个分组并产生一个新值。最后，所有这些函数的执行结果会被合并（combine） 到最终的结果对象中。结果对象的形式一般取决于数据上所执行的操作。
=====================================
按key1进行分组，并计算data1列的平均值。访问data1，并根据key1调用groupby。
=====================================
变量grouped是一个GroupBy对象。它实际上还没有进行任何计算，只是含有一些有关分组键df[‘key1’]的中间数据而已。该对象已经有了接下来对各分组执行运算所需的一切信息。
=====================================
数据（Series）根据分组键进行了聚合，产生了一个新的Series，其索引为key1列中的唯一值。之所以结果中索引的名称为key1，是因为原始DataFrame的列df[‘key1’]就叫这个名字。
=====================================
通过两个键对数据进行了分组，得到的Series具有一个层次化索引（由唯一的键对组成）
=====================================
分组键均为Series，分组键可以是任何长度适当的数组
=====================================
分组信息就位于相同的要处理DataFrame中。可以将列名（可以是字符串、数字或其他Python对象）用作分组键
=====================================
GroupBy的size方法，它可以返回一 个含有分组大小的Series
任何分组关键词中的缺失值，都会被从结果中除去
++++++++++++++++++++++++++++++++++++
