第八天，我們要進入資料分析中最具洞察力的核心技能——分組與聚合（GroupBy & Aggregation）。清洗完資料後，我們通常不會逐筆看原始紀錄，而是想知道「各部門平均績效是多少？」、「各商品類別的總營收與訂單數分別為何？」。在 Pandas 中，groupby() 完美對應了 SQL 的 GROUP BY 以及 Excel 的樞紐分析表概念。今天我們建立純 Python 腳本 day08_pandas_groupby.py，掌握 Split-Apply-Combine 的分組統計技巧。

第一部分
新建 day08_pandas_groupby.py。首先建立一組連鎖零售門市的銷售資料，並使用 groupby() 依門市進行單一欄位的基礎聚合運算（如總銷售額）：

第二部分
在多維度商業分析中，往往需要「依據多個欄位同時分組」，或是「對不同欄位套用不同的統計方法」。我們可以使用清單傳入多個分組鍵，並搭配 .agg() 進行多欄位客製化統計：

第三部分
最後處理分組後常遇到的結構調整問題。分組後的結果預設會把分組欄位變成「索引（Index）」，但實務上常常需要將索引還原成一般的欄位，並依照指標進行排序，以便後續匯出成報表：

第四部分
在終端機輸入 python day08_pandas_groupby.py 執行驗證，確認單一分組、多重分組以及最後的業績排行榜都順利計算並排序輸出。按 Ctrl + S 儲存後推送到遠端儲存庫：

今日心得/遇到的問題
今天學會了資料分析中最實用的分組聚合。特別是 .agg() 的具名聚合語法（Named Aggregation），可以直接在計算的同時替新指標重新命名（例如 總營收=("銷售額", "sum")），省去了以往分組完還要額外呼叫 .rename() 的繁瑣步驟。另外，分組後養成隨手加上 .reset_index() 的習慣，能確保資料回到標準的二維表格型態，對於後續繪圖或存檔都更加方便。