Pandas中没有聚合的Groupby

Pandas中的Groupby函数可以实现基于某个或多个关键字将数据集分组，以进行进一步的操作和分析。通常，groupby操作包括splitting（按条件分组）、applying（对每个组应用函数）和combining（将结果组合成数据结构）。

Pandas中Groupby的聚合操作是最常见的使用场景，它可以对组内的数据进行一些简单的统计分析，比如求平均数、求和等。然而，在一些特殊场景下，我们并不需要对组内的数据进行聚合操作，仅仅是将数据按照某个或多个关键字分组，这时候需要用到没有聚合的groupby，下面是实现这个功能的完整攻略。

1. 按列分组

可以使用groupby()函数，按照某列来进行分组。例如，我们有一个包含姓名、性别、国家、城市和收入五个列的DataFrame，现在需要按照国家来进行分组。

import pandas as pd

data = {'name': ['Tom', 'Lily', 'Lucas', 'Milo', 'Eva', 'Lucy'],
        'gender': ['M', 'F', 'M', 'M', 'F', 'F'],
        'country': ['China', 'USA', 'USA', 'China', 'USA', 'China'],
        'city': ['Beijing', 'New York', 'Washington', 'Shanghai', 'California', 'Beijing'],
        'income': [10000, 20000, 25000, 8000, 30000, 20000]}
df = pd.DataFrame(data)

grouped = df.groupby('country')

这时候，我们得到的是一个DataFrameGroupBy对象，表示按照国家将数据集分为了三个组（China、USA、Washington）。这个对象是一个中间状态，可以进行进一步的操作。

2. 遍历分组

只要得到了DataFrameGroupBy对象，我们就可以遍历分组了。

for key, group in grouped:
    print(key)
    print(group)

其中，key是分组标准，group是分组后的数据集。这时候，输出的结果就是按照国家分组后的数据集。

3. 按多个列分组

在实际使用中，我们往往需要同时按照多个列进行分组。这时候，只需要传入多个列名即可。

grouped = df.groupby(['country', 'gender'])

这时候，可以用grouped.size()来查看各组大小，也可以遍历各组，进行统计分析。

4. 按照索引分组

除了按列分组，我们还可以按照行索引来分组。只需要传入level=0即可。

indexed_df = df.set_index('name')
grouped = indexed_df.groupby(level=0)

这时候，grouped就是按照姓名来分组后的数据集。可以用各种函数进行统计分析。

5. 筛选某组数据

在Groupby和没有Groupby的情况下，筛选出某组特定的数据都是很常见的操作。在没有Groupby的情况下，我们可以使用df[df['country']=='China']这样的方式进行筛选。在Groupby的情况下，我们可以使用get_group()方法。

china_group = grouped.get_group('China')

这时候，china_group就是国家为China的分组数据集。

综上，在Pandas中，没有聚合的Groupby分组技巧有：按列分组、遍历分组、按多个列分组、按索引分组、筛选特定组的数据。这些技巧可以满足基本需求。