一.在處理pandas表格數據時，有時會遇到這樣的問題：按照某一列聚合后，判斷另一列是否出現唯一值，比如安泰杯--跨境電商比賽中，某個商人的ID如果出現在兩個國家（xx和yy），則要剔除這樣的數據，這就需要我們按照商人ID進行groupby,然后判斷每個商人所屬的國家是否值唯一，不唯一則剔除。
def unique_num(x):
return len(np.unique(x)) #自定義函數
train.groupby(['buyer_admin_id']).agg({'buyer_country_id':unique_num})
二.下面對groupby和agg使用方法進行總結：
1. 分組后，返回一個含有分組大小的Series
按key1分組: df.groupby(['key1']).size()
按[key1,key2]分組: df.groupby(['key1','key2']).size()
2. 對data1按key1進行分組，並計算data1列的平均值
df['data1'].groupby(df['key1']).mean()
說明：groupby沒有進行任何的計算。它只是進行了一個分組。數據（Series）根據分組鍵進行了聚合，產生了一個新的Series，其索引為key1列中的唯一值。
3.對data1按[key1,key2]進行分組，並計算data1的平均值
df.groupby(['key1','key2'])['data1'].mean()
4.agg函數使用：
1）df.groupby(['key1'])['data1'].min() ==
df.groupby(['key1'])['data1'].agg({'min'}) ==
(推薦使用)df.groupby(['key1']).agg({'data1':'min'})#對data1列，取各組的最小值，名字還是data1
2）按key1分組后，aggregate各組data1的最小值和最大值：
df.groupby(['key1'])['data1'].agg({'min','max'}) ==(推薦使用)df.groupby(['key1']).agg({'data1':['min','max']})
3）可以對groupby的結果更正列名（不推薦用這個，哪怕在后面單獨更改列名）：
df.groupby(['key1'])['data1'].agg({'a':'min','b':'max'})#這里的'min' 'max'為兩個函數名