Apply:
利用df.apply(func)的方法可以将函数func应用于DataFrame。
将隐函数应用于df
频率统计：
df.value_counts() 可以统计df中各元素出现的频率
对df中的元素进行频率统计
字符串操作：
DataFrame 包含了一系列对于字符串的操作：
str方法还可以对索引进行操作：
对列名进行操作
使用split方法可以将元素进行分割，返回的是装有一组list的Series：
对元素进行分割
可以使用get或[]对分割后list中的元素进行访问：
元素访问
split方法中的expand参数，可以选择是否将结果输出为dataframe：
元素的拼接：
将一个Series拼接成字符串：
正常情况下，NaN在拼接时被忽略，你也可以选择使用na_rep变量来指定替代NaN的字符：
指定替代字符
cat()可以接受一个类似list作为第一个参数。在这种情况下，Series的各元素将依次与参数中包含的各元素进行拼接。NaN与其他元素拼接仍为NaN:
join参数，两个Series的拼接可以输入join参数，其原理与SQL的join原理相似。join的可选值为： 'left', 'outer', 'inner', 'right'。（注：join需要0.23.0以上的版本）
contains（等价于match）函数可以检查Series中的元素是否含有相应格式的部分：
合并：
concat：
利用concat方法可以将不同的dataframe对象拼接。
merge方法可以将dataframe进行SQL风格的合并：
groupby方法可将元素进行分组，需要对分组对象应用相应的方法生成合适的数据结构：
时间序列：
如果DataFrame的数据是一定频率的数据，resample函数可以用来改变频率：
