开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第25天，点击查看活动详情
对分组进行遍历
上面我们通过groupby()和size()两个方法以及以前所学的一些技能计算出了富豪的男女占比。
如果我们还想要分别查看富豪中男、女的最大年纪，最小年纪以及平均年龄，看看我们是不是还有机会成为他们中的一员。
groups.get_group('F')可以获取分组后某一个组的数据，'F'为组的名字，这样我们就可以对某一个组进行处理。
下面的代码实现了获取'F'组的最大年纪，最小年纪以及平均年龄，运行代码并观察结果。
代码中我们使用get_group()获取了F组的数据，并使用mean()、max()、min()等统计函数快速获取我们的指标值。
| 函数 | 意义 |
|---|---|
| count() | 统计列表中非空数据的个数 |
| nunique() | 统计非重复的数据的个数 |
| sum() | 统计列表中所有数值的和 |
| mean() | 计算列表中数据的平均值 |
| median() | 统计列表的数据的在中位数 |
| max() | 求列表中数据的最大值 |
| min() | 求列表中数据的最小值 |
上面的代码成功的计算出了我们想要的数据，我们也可以遍历分组后的数据，并获取他们的最大年纪，最小年纪以及平均年龄。
运行下面的代码，看一下如何遍历分组后的数据。
上面代码中的将分组后的对象groups进行遍历，可以获取到group_name每个组的名字，group_df每个组的数据
接下来我们自己在下面代码框中练习使用遍历的方法，计算出每一组中的最大年纪，最小年纪以及平均年龄。
按多列进行分组
刚刚我们完成了将富豪以性别进行分组，并拿到了年龄的最大值和最小值以及平均值等信息。
现在我们完成一个相对复杂的需求，需要查看每个国家男女的富豪的 数量。那就需要我们将富豪们先按国家分组，然后在按性别分组。。
按照上面的分析，难道我们要写两次groupby的分组操作？NO，我们强大 的groupby() 方法是支持按照多列进行分组。
运行上面的代码，看下groupby()是如何进行多列分组的：
group = df.groupby(['country','gender'])
df1 = group.size()
print(df1)
当需要按多列进行分组的时候，groupby()方法里面我们传入的一个列表，列表中分别存储分组依据的列名。
注意：列表中列名的顺序，确定了先按country列进行分组，然后再按gender列分组。不同的顺序，产生的分组名字是不同的。
group.size()返回的结果中发现索引值是多层的，那么
对于多层索引的值我们如何去获取呢？
group = df.groupby(['country','gender'])
df1 = group.size()
print(df1)
size = df1['Austria']['F']
print(size)
通过代码，我们发现对于多层索引值的获取，只需要从外往里一层一层的取就可以了.
