Apply:
利用df.apply(func)的方法可以將函數(shù)func應(yīng)用于DataFrame。
頻率統(tǒng)計(jì)：
df.value_counts() 可以統(tǒng)計(jì)df中各元素出現(xiàn)的頻率
字符串操作：
DataFrame 包含了一系列對(duì)于字符串的操作：
str方法還可以對(duì)索引進(jìn)行操作：
使用split方法可以將元素進(jìn)行分割，返回的是裝有一組list的Series：
可以使用get或[]對(duì)分割后list中的元素進(jìn)行訪問(wèn)：
split方法中的expand參數(shù)奈偏，可以選擇是否將結(jié)果輸出為dataframe：
元素的拼接：
將一個(gè)Series拼接成字符串：
正常情況下麻献，NaN在拼接時(shí)被忽略，你也可以選擇使用na_rep變量來(lái)指定替代NaN的字符：
cat()可以接受一個(gè)類(lèi)似list作為第一個(gè)參數(shù)灯节。在這種情況下，Series的各元素將依次與參數(shù)中包含的各元素進(jìn)行拼接。NaN與其他元素拼接仍為NaN:
join參數(shù)拆讯，兩個(gè)Series的拼接可以輸入join參數(shù)，其原理與SQL的join原理相似养叛。join的可選值為：?'left',?'outer',?'inner',?'right'种呐。（注：join需要0.23.0以上的版本）
contains（等價(jià)于match）函數(shù)可以檢查Series中的元素是否含有相應(yīng)格式的部分：
合并：
concat：
利用concat方法可以將不同的dataframe對(duì)象拼接。
merge方法可以將dataframe進(jìn)行SQL風(fēng)格的合并：
groupby方法可將元素進(jìn)行分組弃甥，需要對(duì)分組對(duì)象應(yīng)用相應(yīng)的方法生成合適的數(shù)據(jù)結(jié)構(gòu)：
時(shí)間序列：
如果DataFrame的數(shù)據(jù)是一定頻率的數(shù)據(jù)爽室，resample函數(shù)可以用來(lái)改變頻率：
