| 获取列索引名称 | df.columns |
| 获取行索引名称 | df.index |
| 重新定义列索引 | df.columns=[＂X＂，＂Y＂，＂Z＂] |
| 重新更改某列的列名(如果缺少 inplace选项 ，则不会更改，而是增加新列。) | df.rename(columns={'x'：'X'}，inplace=True) |
| 打印DataFrame的属性信息 | df.info() |
| 查看DataFrame前五行的数据信息 | df.head() |
| 查看DataFrame最后五行的数据信息 | df.tail() |
| 创建空数据框，便于后面添加数据 | df_empty = pd.DataFrame(columns=['x', 'y', 'z']) |
| 在空数据框中添加数据 | df_new = pd.DataFrame(np.arange(6).reshape(2, 3), columns=['x', 'y', 'z']) print(pd.concat([df_empty, df_new], axis=0)) |
| 已有数据框的基础上添加新的行/列，或者横向/纵向添加另外一个表格（axis表示沿纵轴（axis=0）或者横轴（axis=1）方向连接） | dat_cbind = pd.concat([df1, df2], axis=1) dat_rbind = pd.concat([df1, df3], axis=0) dat_rbind = df1.append(df3) |
| 删除行或者删除列（其中，labels 就是要删除的行/列的名字，用列表给定；axis 默认为0，指删除行，因此删除columns时要 指定 axis=1；index 直接指定要删除的行；columns 直接指定要删除的列；inplace=False，默认该删除操作不 改变原数据，而是返回一个执行删除操作后的新 DataFrame；inplace=True，则会直接在原数据上进行删除 操作，且删除后无法返回） | df1.drop(labels='y', axis=1, inplace=True) |
| apply | 操作对象是DataFrame的某一列（axis=0）或者某一行（axis=1） |
| applymap | 操作对象是元素级，作用于每个DataFrame的每个数据 |
| map | 操作对象也是元素级，但其是对Series中的每个数据调用一次函数 |
| 按行求和 | df_rowsum = df[['2020', '2021']].apply(lambda x: x.sum(), axis=1) |
| 按列求和 | df_colsum = df[['2020', '2021']].apply(lambda x: x.sum(), axis=0) |
