對數據集進行分組並對各組應用一個函數（無論是聚合還是轉換），通常是數據分析工作中的重要環節。在將數據集加載、融合、准備好之後，通常就是計算分組統計或生成透視表。pandas提供了一個靈活高效的gruopby功能，它使你能以一種自然的方式對數據集進行切片、切塊、摘要等操作。

關系型數據庫和SQL（Structured Query Language，結構化查詢語言）能夠如此流行的原因之一就是其能夠方便地對數據進行連接、過濾、轉換和聚合。但是，像SQL這樣的查詢語言所能執行的分組運算的種類很有限。在本章中你將會看到，由於Python和pandas強大的表達能力，我們可以執行復雜得多的分組運算（利用任何可以接受pandas對象或NumPy數組的函數）。在本章中，你將會學到：

• 使用一個或多個鍵（形式可以是函數、數組或DataFrame列名）分割pandas對象。
• 計算分組的概述統計，比如數量、平均值或標准差，或是用戶定義的函數。
• 應用組內轉換或其他運算，如規格化、線性回歸、排名或選取子集等。
• 計算透視表或交叉表。
• 執行分位數分析以及其它統計分組分析。

筆記：對時間序列數據的聚合（groupby的特殊用法之一）也稱作重采樣（resampling），本書將在第11章中單獨對其進行講解。

10.1 GroupBy機制

Hadley Wickham（許多熱門R語言包的作者）創造了一個用於表示分組運算的術語"split-apply-combine"（拆分－應用－