输入：df_Grp，类型是pandas.core.groupby.generic.DataFrameGroupBy
我们先来学习一下如何将分组后的其中一个分组给转换成DataFrame类型：
tmp = dict(list(df_Grp))tmpname=[]tmpname = [i for i,j in df_Grp]#下面这行代码其实就转化成DataFrame了，但是只是一个数据的转过去了，如果要实现所有的都转过去，还是需要完成DataFrame的添加行操作，并且要reset_indexans_df = pd.DataFrame(tmp[tmpname[0]])#或者ans_df = df_Grp.get_group(tmpname[0]) #get_group函数返回一个DataFrame但是注意此时得到的index不是0~len-1这样的顺序，而是乱序的，也就是groupby之前的顺序，所以需要再调用reset_indnex()函数进行操作。
当然，上面那一步只是做到了将其中的一个name进行操作，而如果想把所有name都变回去，那就需要加一步：DataFrame的行插入。这一点可以使用concat函数完成，注意一定要有 ignore_index=True 这一步！
ans_df = pd.concat(tmp,ignore_index = True)对于concat函数，注意第一个参数需要是一个list，而不能是其他类型，如果直接传入的是多个DataFrame的名字的时候，注意不要在上面加引号，因为这样就不对了，就变成了字符串操作，不是list的操作了 ，这一点一定要非常注意，因为非常容易在这个地方犯错。比如要df1和df2，那就ans_df = pd.concat( [df1,df2] ,ignore_index = True)，而不是ans_df = pd.concat( ['df1','df2'] ,ignore_index = True)
知识点1：
reset_index(inplace=Ture)函数通过重新建立索引，可以得到DataFrame类型。
知识点2：
DataFrameGroupBy是可以用i,j 来获取每一个元素的，i代表的是属性名字，j获取的是基本信息，是一个DataFrame类型
知识点3：
这种写法：tmpname = [i for i,j in df_Grp]，可以快速的得到一个list。
