在Pandas中，groupby()用于對數據進行分組操作。通過groupby()，可以將數據按照指定的列或多個列進行分組，并對每個分組進行相應的操作，例如計算統計量、聚合、轉換等。

groupby()的基本用法是：

df.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, dropna=True)

參數說明：

• by：指定按照哪些列進行分組，可以是單個列名、多個列名的列表、Series、字典、函數等。默認為None，表示按照整個DataFrame分組。
• axis：指定分組的軸，0表示按行分組，1表示按列分組，默認為0。
• level：如果DataFrame有多級索引，可以指定按照哪一級索引進行分組，默認為None。
• as_index：指定分組的結果是否以分組列作為索引，默認為True。
• sort：指定分組后的結果是否按照分組列進行排序，默認為True。
• group_keys：指定是否在分組后的結果中顯示分組鍵，默認為True。
• squeeze：指定分組后是否對單個分組的結果進行擠壓，默認為False。
• observed：指定是否使用觀察到的分組的所有取值進行分組，默認為False。
• dropna：指定是否將含有缺失值的分組鍵排除，默認為True。

groupby()返回一個GroupBy對象，可以對該對象進行各種操作，如應用聚合函數（如sum、mean等）、篩選數據、轉換數據等。

具體的操作可以通過GroupBy對象的方法來實現，例如：

• agg(): 使用聚合函數對每個分組進行聚合操作。
• apply(): 對每個分組應用自定義函數。
• transform(): 對每個分組應用轉換函數。
• filter(): 根據條件篩選數據。

示例代碼：

import pandas as pd

# 創建一個DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'],
        'Subject': ['Math', 'English', 'Math', 'English', 'Math', 'English'],
        'Score': [85, 90, 92, 78, 82, 88]}
df = pd.DataFrame(data)

# 按照Name列進行分組，并計算每個分組的平均分數
result = df.groupby('Name')['Score'].mean()
print(result)

輸出結果：

Name
John    90.0
Nick    86.0
Tom     81.5
Name: Score, dtype: float64

該示例中，首先根據Name列進行分組，然后計算每個分組的平均分數。結果是一個Series，其中索引是分組的唯一值（Name列的取值），值是每個分組的平均分數。