在数据分析过程中，groupby语句，起到对原始数据集，进行分组和聚合的作用。我们在进行数据处理的时候，经常需要对不同的数据维度，以及不同的数据切片集合，进行操作和处理。

比如说，假设我们有全国人口数据集，而我们分析数据的时候，关注的主要问题是，不同省份之间，人们的平均身高是个什么情况。

对于这样的数据分析问题，我们就需要先通过省份列，对数据集进行分组。在分组完成之后，获取每个组的身高列，然后通过计算平均值的聚合函数，对分组后的数据集进行聚合。这样，我们就能够得到，不同省份，人们的平均身高数据。

在pandas中，groupby语句遵循的是拆分，应用，组合的过程。

拆分，是按照一些业务逻辑规则，也就是我们需要分析的问题点，把数据集拆分到不同的组。

应用，则是在这些不同的组之间，独立进行操作和计算。

组合，是把操作和计算完成后的数据，重新形成一个我们所需要的结果数据集。

将对象拆分为组

我们可以按照不同的列，将原始数据集，通过groupby语句，拆分为一个需要操作的对象。

生成原始数据集

我们这里，需要通过class列，对数据集speeds进行分组。

注意，分组完成后的结果，是一个GroupBy对象。

我们也可以通过不同的列，以及两个列的组合，来对数据集进行分组。

这里，重新生成一个数据集

通过A列，B列，以及AB列的组合来对数据集进行分组

通过以上操作，我们就完成了对原始数据集的拆分过程。

分组数据的排序和聚合

对数据集分组完成后，我们就需要在分组后的对象上，运用一些操作，比如说，排序和聚合操作。

我们用一个新的数据集

然后，通过X列进行分组，分组完成后，对数据进行求和操作。

还可以对求和后的分组数据，进行升序，或者是降序的排列操作

其实，上面的求和操作，就是数据的聚合操作。也就是说，按照X列分组后，得到A和B两个组，再对A和B两个组，分别进行求和，最后得到我们需要的结果集。

多数据标签的分组操作

如果我们的数据主键，也就是数据标签，是复合的多数据标签的话，分组的过程略有差异。

我们来看一个例子

如果要通过数据标签first进行分组，并且求和的话，需要设置level=0

也可以用数据标签名称来实现操作

如果要对多数据标签进行分组求和的话，比如说用first和second两列来进行分组，则需要有三列数据标签。

我们先生成三列数据标签的数据集

通过first和second两列分组，并且求和

这个过程稍微有些复杂，分组是通过first和second两列进行的，求和是通过第三个数据标签，也就是third数据标签列进行求和的。

数据标签和普通列的分组操作

有些时候，我们需要同时选择一个数据标签和一个普通列进行分组操作，这个过程的实现方式如下。

生成原始数据集

选择second列和A列进行分组，并且求和

也可以通过数据标签列名来实现

这里要注意，主键的数据标签列，是用level属性来定义，普通列，则是通过双引号来定义。

如果嫌麻烦的话，则可以通过一个列表来定义需要参与分组的组合列。

上面三种方式，大家可以在实践中，灵活选择一种就行。

以上就是我们的第一部分内容，下一篇文章，我们继续讲解第二部分内容。