今天在学习时，看到一个数据类型叫“SeriesGroupBy”，并且看到这样一个示例：

>>> s = pd.Series([1, 2, 3, 4])

>>> s

0   1

1   2

2   3

3   4

dtype: int64

>>> s.groupby([1, 1, 2, 2]).min()

1   1

2   3

第一次见到一维数组的分组，而且groupby后的参数还是一个列表，列表中还是4个值，这些列表中的数值都有什么作用？百度了一下没有查到，于是准备用最笨的方法——逐一修改参数，调试一下。详细记录如下：

第一组测试：修改一个参数1）修改第一个参数：

>>>print( list( s.groupby([1, 1,1, 1]) ) )

[(1,       0   1

1    2

2    3

3    4

>>>print( list( s.groupby([2, 1,1, 1]) ) )

[(1,        1    2

2    3

3    4

dtype: int64),

(2,    0    1

>>>print( list( s.groupby([3, 1,1, 1]) ) )

[(1,        1    2

2    3

3    4

dtype: int64),

(3,    0    1

>>>print( list( s.groupby([5, 1,1, 1]) ) )

[(1,        1    2

2    3

3    4

dtype: int64),

(5,    0    1

【总结】

2）修改第二个参数：
>>> print( list( s.groupby([1, 2, 1, 1]) ) )

[(1,  0   1

2    3

3    4

dtype: int64),

(2,    1    2

>>> print( list( s.groupby([1, 4, 1, 1]) ) )

[(1,        0    1

2    3

3    4

dtype: int64),

(4,         1    2

>>> print( list( s.groupby([1, 6, 1, 1]) ) )

[(1,        0    1

2    3

3    4

dtype: int64),

(6,         1    2

【总结】

第二组测试：修改两个参数
>>> print( list( s.groupby([2, 2, 1, 1]) ) )

[(1,        2    3

3    4

dtype: int64),

(2,         0    1

1    2

>>> print( list( s.groupby([2, 3, 1, 1]) ) )

[(1,        2    3

3    4

dtype: int64),

(2,         0    1

dtype: int64),

(3,     1    2

【总结】

其实看图比看文字更清楚，我个人总结的不够好！但我理解了。