import numpy as np
import pandas as pd
from pandas import Series
from pandas import DataFrame

Splitting-Applying-Combining

df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)

• by：mapping, function, label, or list of labels。用于确定 groupby 的组。如果 by 是一个函数，那么会调用对象索引的每个值。 如果传递了一个 dict 或 Series,则将使用 Series 或 dict 的值来确定组。 一个 str 或者一个 strs 列表可以通过自己的列传递给 group。

• axis：轴，int 值，默认为 0。

• level：int，level name，or sequence of such，默认为 None。如果 axis 是一个 MultiIndex（分层），则按特定的级别分组。

• as_index：bool，默认为 True。对于聚合输出，返回带有组标签的对象作为索引。as_index=False 实际上是“SQL 风格”分组输出。

• sort：bool，默认为 True。排序。关闭此功能以获得更好的性能。

• group_keys：bool，默认为 True。当调用 apply 时，添加 group key 来索引来识别片断。boolean 值，默认 True。

• squeeze：bool，默认为 False。尽可能减少返回类型的维度，否则返回一致的类型。

• observed：bool，默认为 False。只适用于有 group 是 Categoricals 的情况。

df = pd.DataFrame({'Animal': ['Falcon', 'Falcon',
                              'Parrot', 'Parrot'],
                   'Max Speed': [380., 370., 24., 26.]})
df

	Animal	Max Speed
0	Falcon	380.0
1	Falcon	370.0
2	Parrot	24.0
3	Parrot	26.0

df.groupby(['Animal']).mean()

	Max Speed
Animal
Falcon	375.0
Parrot	25.0