> 经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
上一节我们介绍了在 pandas 中怎么制作诸如成绩条的技巧，不过那是按照 Excel 解决思路进行的，然而，面对复杂多变的需求，那种方式会有所限制。本节将介绍一种非常灵活并且思路更清晰的解决方案。
案例
继续沿用成绩单数据：
我们希望把每位学生的成绩单独列出来，也就是一行记录成为一个小表：
有遍历思路，但不需要遍历代码
上一节我们已经介绍过怎么利用不存在的索引批量生成空行。但是，这样子还不够通用灵活。比如，我们希望按班别制作成绩表，此方法显然不能做到。
使用 pandas 最大的好处就是，你可以根据思路编写直白的代码。按"班别"，不就是"分组"吗。如下：
- - 调用 df.groupby() ，即可按任意维度分组数据
- - pandas 的分组比许多主流数据库的 Sql 更加灵活，他为每组划入该组的子集，让我们可以灵活操作，并且还可以每组返回多行记录
- - 调用 apply ，即可在里面编写每组的处理逻辑
- - apply 里面的逻辑非常直白。 在顶部添加标题，在末尾添加空行
问题来了，你说这方法灵活，可以对应任意维度分组，但这个方法怎么得到最初的需求——每行一个小表格呢？
对应最初的需求，其实就是按每行分组。那么 DataFrame 里面什么是每行不一样的？没错，就是行索引(index)。如下：
更多的灵活性
这个方式可以制作出灵活多变的小表格，比如，按班别划分，每个小表格最后添加汇总行。代码如下：
- - 在之前的基础上加入汇总逻辑
- - 通过 df.append ，即可轻松把汇总行添加到 DataFrame 的末尾处
