python中groupby函数主要的作用是进行数据的分组以及分组后地组内运算！
那这个生成的DataFrameGroupBy对象，对data进行了groupby后，ipython所返回的结果是其内存地址，并不利于直观地理解。可以将DataFrameGroupBy转换为其他类型。
groupby的过程就是将原有的DataFrame按照groupby的字段，划分为若干个分组DataFrame，被分为多少个组就有多少个分组DataFrame。
1.groupby之后的函数
1.1describe()
描述组内数据的基本统计量
unstack() 索引重排
1.2agg聚合操作：
聚合操作可以用来求和、均值、最大值、最小值等，下面的表格列出了Pandas中常见的聚合操作。
函数 用途 min 最小值 max 最大值 sum 求和 mean 均值 median 中位数 std 标准差 var 方差 count 计数
as_index=False 保持原来的数据索引结果不变
first() 保留第一个数据
Tail(n=1) 保留最后n个数据
1.3transform
transform和agg所不一样的地方，对agg而言，会计算得到A，B，C公司对应的均值并直接返回，但对transform而言，则会对每一条数据求得相应的结果，同一组内的样本会有相同的值，组内求完均值后会按照原索引的顺序返回结果，如果有不理解的可以拿这张图和agg那张对比一下。
1.4 apply
- apply与transform 首先讲一下apply() 与transform()的相同点与不同点
相同点：
都能针对dataframe完成特征的计算，并且常常与groupby()方法一起使用。
不同点：
apply()里面可以跟自定义的函数，包括简单的求和函数以及复杂的特征间的差值函数等（注：apply不能直接使用agg()方法 / transform()中的python内置函数，例如sum、max、min、’count‘等方法）
transform() 里面不能跟自定义的特征交互函数，因为transform是真针对每一元素（即每一列特征操作）进行计算，也就是说在使用 transform() 方法时，需要记得三点：
1、它只能对每一列进行计算，所以在groupby()之后，.transform()之前是要指定要操作的列，这点也与apply有很大的不同。
2、由于是只能对每一列计算，所以方法的通用性相比apply()就局限了很多，例如只能求列的最大/最小/均值/方差/分箱等操作
3、transform还有什么用呢?最简单的情况是试图将函数的结果分配回原始的dataframe。也就是说返回的shape是（len(df)，1）。注：如果与groupby()方法联合使用，需要对值进行去重
