• 如果有多重键，则元组的第一个元素将是由键组成的元组。
• dict(list(GroupBy_obj))将生产一个字典，方便引用

• GroupBy.groups属性返回一个字典： {group name->group labels}
• GroupBy.indices属性返回一个字典：{group name->group indices}

• GroupBy.count() ：计算各分组的非NaN的数量
• GroupBy.cumcount([ascending])：计算累积分组数量
• GroupBy.first()：计算每个分组的第一个非NaN值
• GroupBy.head([n]) ：返回每个分组的前 n个值
• GroupBy.max()：计算每个分组的最大值
• ：计算每个分组的均值
• GroupBy.median()：计算每个分组的中位数
• GroupBy.min()：计算每个分组的最小值
• GroupBy.nth(n[, dropna])：计算每个分组第n行数据。 如果n是个整数列表，则也返回一个列表。
• GroupBy.ohlc()：计算每个分组的开始、最高、最低、结束值
• GroupBy.prod()：计算每个分组的乘
• GroupBy.size()：计算每个分组的大小（包含了NaN）
• GroupBy.sem([ddof]) ：计算每个分组的sem（与均值的绝对误差之和）
• GroupBy.std([ddof]) ：计算每个分组的标准差
• GroupBy.sum()：计算每个分组的和
• GroupBy.tail([n]) ：返回每个分组的尾部 n个值

另外SeriesGroupBy/DataFrameGroupBy也支持的统计类方法以及其他方法：

• 注意：自定义聚合函数会慢得多。这是因为在构造中间分组数据块时存在非常大的开销（函数调用、数据重排等）
• 你可以将前面介绍的GroupBy的统计函数名以字符串的形式传入。
• 如果你传入了一组函数或者函数名，则得到的结果中，相应的列就用对应的函数名命名。如果你希望提供一个自己的名字，则使用(name,function)元组的序列。其中name用作结果列的列名。
• 如果你希望对不同的列采用不同的聚合函数，则向agg()传入一个字典。字典的键就是列名，值就是你希望对该列采用的函数。

.get_group(key)可以获取分组键对应的数据。

• key ：不同的分组就是依靠它来区分的

GroupBy类定义了__getattr__()方法，当获取GroupBy中未定义的属性时：

• 如果属性名是源数据对象的某列的名称则，相当于GroupBy[name]，即获取针对该列的GroupBy对象