第八章 groupby分组是什么？它有什么作用？ 深入理解层次化索引

学习到pandas的groupby功能的时候，相当迷惑，这玩意儿干嘛用的？
网上查询了一下，全是具体的用法用列，要么就是从某些书本上“copy”下来的段落，也没清楚明白的讲groupby功能到底是什么。
大概知道它和数据库操作比较类似，可惜我没有学过数据库，因此无法对比参照。
至少我看那些文章，是越看越糊涂，它被发明出来解决什么问题的？
想象一个如下的数据集：

frame=pd.DataFrame(np.arange(12).reshape((4,3)),index=[['a','a','b','b'],[1,2,1,2]],
 columns=[['ohio','ohio','colorado'],['green','red','green']])

类似数组中的元素可以是数组，列表中的元素可以是列表的嵌套形式。
DataFrame中的值也可以是DataFrame或者series嵌套。
表现出来的外观就是多重索引，称为层次化索引。
把黄线，红线部分看成一个整体：

这个frame就是一个2行2列的dataFrame结构，行索引是’a’,‘b’，列索引是’ohio’,‘colorado’，‘ohio’的值又是一个dataFrame，‘colorado’的值是一个series。
对于frame来说，按照以前学习过的访问方法，也是能够访问的。
比如：

frame['ohio']#取一列
frame.loc['a']#取一行。
frame.loc['a','ohio']['red']  #取a行ohio列之下red列

但是当嵌套比较复杂的时候，人很容易犯晕，犯错。
个人理解，python有一个设计理念：

Flat is better than nested
扁平胜于嵌套
当需要处理高纬度数据时，用层次化索引的方式能够以低纬度表示高纬度数据，这个例子就是以2维表示了3维。
但是编写代码的时候ÿ