SQL经常将聚合函数与GROUP BY进行组合，对数据进行分组统计分析，python在分析数据中也可以实现相同的功能，而且python也是用GROUPBY

• 如果是基于单列进行分组，括号中可以填入列名，如'用户类型'，也可以填入Series，如df['用户类型']
• 如果是基于多列进行分组，括号中可以填入列名组成的列表，如["用户类型","区域"]，也可以填入Series组成的列表，如[df["用户类型"],df["区域"]

df.groupby()生成的也是DataFrame，有时可能需要在统计分析前选择列，可按照筛选列的方法进行操作，具体见，不设置筛选时，默认是选择全部列

例如你只需要对7月销售额进行统计分析，可以写成df.groupby("用户类型")["7月销售额"]

• 对选择出来的列进行单一统计

• 对选择出来的列进行多种统计，此时需要借助aggregate方法，对分组后选择的列同时进行多种统计

• 对选择出来的列，不同列进行不同的统计，如一个列进行求和，一个列进行求平均，仍需要借助aggregate方法，不过这个时候需要传入以列名为键，统计函数为值的字典

默认以分组中的某列或某些列为索引，但有时候我们并不想要这样的索引，此时有两种方法处理：