groupby的作用是通過壹定的規則將壹個數據集劃分成若幹個小的區域，然後針對若幹個小區域進行數據處理，groupby核心用法是利用本身的某壹列或多列內容進行分組聚合。
groupby的核心用法：
（1）根據DataFrame本身的某壹列或多列內容進行分組聚合，（a）若按某壹列聚合，則新DataFrame將根據某壹列的內容分為不同的維度進行拆解，同時將同壹維度的再進行聚合，（b）若按某多列聚合，則新DataFrame將是多列之間維度的笛卡爾積，即：新DataFrame具有壹個層次化索引（由唯壹的鍵對組成），例如：“key1”列，有a和b兩個維度，而“key2”有one和two兩個維度，則按“key1”列和“key2”聚合之後，新DataFrame將有四個group；
註意：groupby默認是在axis=0上進行分組的，通過設置axis=1，也可以在其他任何軸上進行分組。
（2）groupby，根據分組鍵的不同，有以下4種聚合方法：
1、分組鍵為Series。
（a）使用原df的子列作為Series。
df.groupby([ df[‘key1’], df[‘key2’] ]).mean()
（b）使用自定義的Series。
mapping={‘a’:‘red’,‘b’:‘red’,‘c’:‘blue’,‘d’:‘blue’,‘e’:‘red’,‘f’:‘orange’}
map_series=pd.Series(mapping)
people.groupby(map_series,axis=1).count()
2、分組鍵為列名。
df.groupby([ ‘key1’,‘key2’ ]).mean()
3、分組鍵為數組。
states=np.array([‘Ohio’, ‘California’, ‘California’, ‘Ohio’, ‘Ohio’])
years=np.array([2004,2005,2006,2005,2006]) #自定義數組
df[‘data1’].groupby( [ states,years ] ).mean()
4、分組鍵為字典。
mapping={‘a’:‘red’,‘b’:‘red’,‘c’:‘blue’,‘d’:‘blue’,‘e’:‘red’,‘f’:‘orange’} #自定義字典。
by_column=people.groupby(mapping,axis=1).sum() #指定axis=1，表示對列數據進行聚合分組。
5、分組鍵為函數。
例如：傳入len函數(可以求取壹個字符串長度數組)，實現根據字符串的長度進行分組。
people.groupby(len).sum() #將字符串長度相同的行進行求和。
5、分組鍵為函數和數組、列表、字典、Series的組合。
引入列表list[ ] 將函數跟數組、列表、字典、Series混合使用作為分組鍵進行聚合，因為任何東西最終都會被轉換為數組。
key_list=[‘one’,‘one’,‘one’,‘two’,‘two’] #自定義列表，默認列表順序和df的列順序壹致。
people.groupby([ len,key_list ]).min()
6、分組鍵為具有多重列索引df 的列索引層次。
hier_df.groupby(level=‘cty’,axis=1).count() #利用參數level，指明聚合的層級。
代碼示例說明：
將多個字段拼接成壹個新字段，在使用Java8的groupBy進行分組。 Map?detailmap?=?details.stream() .collect(Collectors.groupingBy(d?->?fetchGroupKey(d)?)); private?String?fetchGroupKey(EntryDeliveryDetailywk?detail){ return?detail.getSkuId().toString()? +?detail.getItemsName()? +?detail.getWarehouseId().toString()? +?detail.getSupplierId().toString(); }