下面就是Python group-by归约的使用方法完整攻略：
什么是group-by归约？
在Python中，group-by是对数据进行分组操作的一种方法。也就是说，我们可以将一个数据集按照某一个属性进行分组，然后对每个不同的分组单独进行处理。
举个例子，假设我们有一个存储了学生成绩的数据集，其中包括每个学生的姓名、性别、年龄和成绩等信息。我们可以利用group-by将这个数据集按照性别进行分组，然后找出各个性别的平均成绩。
在Python中，group-by是通过pandas库来实现的。pandas是Python中主要用于数据处理的库，它包含了大量的数据处理和分析工具，其中就包括group-by。
group-by的基本用法
group-by的基本语法如下所示：
df.groupby(by=grouping_columns)[columns_to_show].function()
其中，参数含义如下：
- df：表示需要进行分组的数据集；
- by：表示按照哪一列或哪几列进行分组，它可以是列名称或列名称的列表；
- columns_to_show：表示需要展示哪些列的数据，它可以是列名称或列名称的列表；
- function：表示需要对每个分组进行的操作，它可以是预定义函数或自定义函数。
下面我们通过几个示例来详细讲解group-by的使用方法。
示例一：按照性别进行分组
我们继续以前面的学生成绩数据集为例，假设数据已经导入到一个名为“df”的数据框中，现在我们要按照学生的性别将数据进行分组，并找出各个性别的平均成绩。
import pandas as pd
# 构建数据集
data = {'name': ['Tom', 'Jack', 'Amy', 'Jessie', 'Lucy', 'Tom', 'Jack', 'Amy', 'Jessie', 'Lucy'],
'gender': ['M', 'M', 'F', 'F', 'F', 'M', 'M', 'F', 'F', 'F'],
'age': [20, 19, 21, 20, 18, 20, 19, 21, 20, 18],
'score': [80, 75, 90, 85, 78, 82, 77, 93, 88, 80]}
df = pd.DataFrame(data)
# 按照性别进行分组，并计算每个分组的平均成绩
grouped = df.groupby('gender')['score'].mean()
print(grouped)
运行上述代码后，我们会得到以下输出结果：
gender
F 84.8
M 78.0
Name: score, dtype: float64
即我们成功按照性别将数据进行了分组，并找出了各个性别的平均成绩。
示例二：按照多列进行分组
有时候，我们需要按照多列进行分组。以前面的数据集为例，我们可以按照性别和年龄两列进行分组，找出每个组中的最高分数。
import pandas as pd
# 构建数据集
data = {'name': ['Tom', 'Jack', 'Amy', 'Jessie', 'Lucy', 'Tom', 'Jack', 'Amy', 'Jessie', 'Lucy'],
'gender': ['M', 'M', 'F', 'F', 'F', 'M', 'M', 'F', 'F', 'F'],
'age': [20, 19, 21, 20, 18, 20, 19, 21, 20, 18],
'score': [80, 75, 90, 85, 78, 82, 77, 93, 88, 80]}
df = pd.DataFrame(data)
# 按照性别和年龄两列进行分组，并找出每个组中的最高分数
grouped = df.groupby(['gender', 'age'])['score'].max()
print(grouped)
运行上述代码后，我们会得到以下输出结果：
gender age
F 18 78
20 85
21 93
M 19 75
20 82
Name: score, dtype: int64
即我们成功按照性别和年龄两列将数据进行了分组，并找出了每个组中的最高分数。
总结
到这里，我们已经掌握了group-by在Python中的基本用法，它在实际的数据处理和分析中非常常见。通过group-by，我们可以按照任意列或列的组合将数据进行分组，并可以对每个分组单独进行操作。