import pandas as pd
df = pd.DataFrame({'性别' : ['男', '女', '男', '女',
                              '男', '女', '男', '男'],
                       '成绩' : ['优秀', '优秀', '及格', '差',
                              '及格', '及格', '优秀', '差'],
                       '年龄' : [15,14,15,12,13,14,15,16]})
GroupBy=df.groupby("性别")

1. GroupBy.iter()

   GroupBy对象是一个迭代对象，每次迭代结果是一个元组，元组的第一个元素是该组的名称(就是groupby的列的元素名称)，第二个元素是该组的具体信息，是一个数据框，索引是以前的数据框的总索引

for name,group in GroupBy:
    print(name)
    print(group)
女
   年龄 性别  成绩
1  14  女  优秀
3  12  女   差
5  14  女  及格
男
   年龄 性别  成绩
  15  男  优秀
2  15  男  及格
4  13  男  及格
6  15  男  优秀
7  16  男   差

1. GroupBy.groups

   显示分组的组名，以及所对应的索引

print(GroupBy.groups)
{'女': Int64Index([1, 3, 5], dtype='int64'), '男': Int64Index([, 2, 4, 6, 7], dtype='int64')}

1. GroupBy.indices

   类似于GroupBy.groups

print(GroupBy.indices)
{'女': array([1, 3, 5], dtype=int64), '男': array([, 2, 4, 6, 7], dtype=int64)}

1. GroupBy.get_group(name[, obj])

   获得某一个分组的具体信息

In [2]: GroupBy.get_group("男")
Out[2]: 
   年龄 性别  成绩
  15  男  优秀
2  15  男  及格
4  13  男  及格
6  15  男  优秀
7  16  男   差

1. Grouper([key, level, freq, axis, sort])

可以先通过循环获得所有的组的名称

for name in GroupBy:
    print(name)# 获得所有分组的名称
    GroupBy.get_group(name) #获得所有该名称的数据