groupby后mean()列减少因只计算数值列，非数值列被自动丢弃；count()统计非空值个数，size()统计总行数（含NaN）；as_index=False可保留分组列为普通列；多列分组须用列表或元组。
groupby 后直接调用 mean() 为什么结果列变少了？
因为 mean() 默认只对数值列生效，非数值列（比如字符串、时间戳、类别型）会被自动丢弃。这不是 bug，是 Pandas 的默认行为——它不试图对字符串求平均，干脆跳过。
- 如果想保留所有列并分别处理，得用
agg()显式指定每列的聚合方式，比如df.groupby('col').agg({'price': 'mean', 'name': 'first'}) - 如果误以为
groupby().mean()会保留原始列结构，容易漏掉关键分组标识列（比如col本身会变成索引，不显式重置就看不到） - 注意：
mean()对含NaN的列默认跳过缺失值；若想强制报错或保留NaN，需加skipna=False
count() 和 size() 看起来一样，到底该用哪个？
不一样。count() 统计每列**非空值个数**，而 size() 统计每组**总行数**（含 NaN）。
-
df.groupby('col').count()每列结果可能不同（取决于各列空值分布） -
df.groupby('col').size()返回一个Series，索引是分组键，值是每组总行数，更快更轻量 - 如果只是要“每组几条数据”，别用
count()套所有列，用size()更准也更省资源
分组后想保留原始索引，不丢数据怎么办？
默认 groupby 会把分组键设为新索引，原始索引被“压扁”进分组内部，查原始行号就断了。
- 加参数
as_index=False：比如df.groupby('col', as_index=False).mean()，结果里col是普通列，不是索引 - 如果已分组完，想恢复原始索引映射，别用
reset_index()盲目重置——它只还原层级索引，不恢复原始行号；真需要原始索引，得在分组前用df.reset_index(drop=False)把它先存成一列 - 注意：
as_index=False对size()无效，它永远返回Series；要用size().reset_index(name='count')
多列分组时，传元组还是列表？括号写错会怎样？
必须传列表或元组，但语法稍有不慎就会触发 KeyError 或奇怪的 TypeError。
- 正确写法：
df.groupby(['col_a', 'col_b'])或df.groupby(('col_a', 'col_b'))（注意外层是圆括号，不是单个字符串） - 常见错误：
df.groupby('col_a', 'col_b')—— 这会被解释成两个位置参数，Pandas 报TypeError: groupby() takes from 1 to 2 positional arguments - 另一个坑：
df.groupby(['col_a', 'col_b']).sum()中，若某列是object类型（如混合字符串/数字），sum()会尝试拼接字符串，不是报错而是静默出错，结果难以预料
df.dtypes 看一眼，比事后 debug 省半小时。 
