1)指定行索引和列索引标签
index 属性可以指定 DataFrame 结构中的索引数组， columns 属性可以指定包含列名称的行，
而使用 name 属性，通过对一个 DataFrame 实例进行 df 设置（ df.index.name 和 df.columns.name）就可以为 DataFrame 结构指定行索引标签和列索引标签。
例如，对产品价格表指定行索引标签和列索引标签，其示例代码如下：
In [24]: df.index.name = 'id'
In [25]: df.columns.name = 'item
In [26]: df
Out[26]:
item product price
id
0 电视机 2300.0
1 空调 1980.0
2 洗衣机 780.0
3 电脑 NaN
2) 添加一列元素
为 DataFrame 实例添加一列元素的方法就是指定 DataFrame 实例新列的名称，并为其赋值即可。例如，为产品价格增加一个折扣率列，其示例代码如下：
In [27]: df['discount']=[0.9,0.85,0.95,1]
In [28]: df
Out[28]:
item product price discount
id
0 电视机 2300.0 0.90
1 空调 1980.0 0.85
2 洗衣机 780.0 0.95
3 电脑 NaN 1.00
或者用 insert() 函数在指定位置添加一列元素。例如，在折扣率列后面，添加一列价格（“price”）乘以折扣率（“discount”）的实际价格（“Actual_price”）列，其示例代码如下：
In [29]: df.insert(3,'Actual_price',df['price']*df['discount'])
In [30]: df
Out[30]:
item product price discount Actual_price
id
0 电视机 2300.0 0.90 2070.0
1 空调 1980.0 0.85 1683.0
2 洗衣机 780.0 0.95 741.0
3 电脑 NaN 1.00 NaN
3) 添加一行元素
为 DataFrame 实例添加一行元素的方法就是使用 loc 属性为 DataFrame 实例新添加一行，并为此行赋值即可。例如，为产品价格增加一个手机产品的价格行，其示例代码如下：
In [31]: df.loc['add_row'] = ['手机',1900,1,1900]
In [32]: df
Out[32]:
item product price discount Actual_price
id
0 电视机 2300.0 0.90 2070.0
1 空调 1980.0 0.85 1683.0
2 洗衣机 780.0 0.95 741.0
3 电脑 NaN 1.00 NaN
add_row 手机 1900.0 1.00 1900.0
4) 修改一行元素
修改 DataFrame 对象中的一行元素，只需要使用 loc 属性指定 DataFrame 实例中行索引，并为此行赋值即可。例如，修改产品价格中电脑一行的数据，其示例代码如下：
In [33]: df.loc[3] = ['电脑',4500,1,4500]
In [34]: df
Out[34]:
item product price iscount Actual_price
id
0 电视机 2300.0 0.90 2070.0
1 空调 1980.0 0.85 1683.0
2 洗衣机 780.0 0.95 741.0
3 电脑 4500.0 1.00 4500.0
add_row 手机 1900.0 1.00 1900.0
5) 修改一列元素或一个元素
修改 DataFrame 实例中的一列元素，只要指定 DataFrame 实例中列名称，将要更新的一列元素存放到数组中，然后将此数组赋值给这一列即可。
例如，修改产品价格中的价格为新价格 [3000,2300,560,5600]，其示例代码如下：
In [35]: df['price']=[3000,2300,560,5600,1880]
In [36]: df
Out[36]:
item product price discount Actual_price
id
0 电视机 3000 0.90 2070.0
1 空调 2300 0.85 1683.0
2 洗衣机 560 0.95 741.0
3 电脑 5600 1.00 4500.0
add_row 手机 1880 1.00 1900.0
修改一个元素，只需要选择该元素，直接给其赋值即可。例如 df['discount'][1]=0.96。
6) 删除元素
6.1) 使用 del 命令删除一列元素
如果要删除一整列的所有数据，使用 del 命令。例如，删除产品价格中的实际价格列，其示例代码如下：
In [37]: del df['Actual_price']
In [38]: df
Out[38]:
item product price discou
id
0 电视机 3000 0.90
1 空调 2300 0.85
2 洗衣机 560 0.95
3 电脑 5600 1.00
add_row 手机 1880 1.00
6.2) 使用 pop() 函数删除一列元素
pop() 函数可以将所选列从原数据块中删除，原数据块不再保留该列。例如，使用 pop() 函数删除折扣率列，其示例代码如下：
In [39]: df.pop('discount')
Out[39]: id
0 0.90
1 0.85
2 0.95 3 1.00
add_row 1.00
Name: discount, dtype: float64
6.3) 使用 drop() 函数删除一列元素或删除一行元素
在 drop() 函数中有两个参数，一个参数是 axis，当参数 axis=1 时，则删除列元素；当 axis=0 时，则删除行元素。还有一个参数是 inplace，当 inplace 为 True 时，drop() 函数执行内部删除，不返回任何值，原数据发生改变；当 inplace 为 False 时，原数据不会发生改变，只是输出新变量删除。
例如，先添加 1 列折扣率列，然后再用 drop() 函数设置参数 axis=1 和 inplace=True 删除折扣率的列元素，其示例代码如下：
In [40]: df['discount']=0.94 In [41]: df.drop(['discount'],axis=1,inplace=True)
如果要删除一行，则设置 axis=0，并指定删除的行索引或行标签。例如，删除行标签为 add_row 的一行元素，其示例代码如下：
In [42]: df.drop(['add_row'],axis=0,inplace=True)
如果要删除多行，除了设置 axis=0 外，还要指定删除的行索引或行标签，例如，删除第 1 行和第 3 行元素，其示例代码如下：
In [43]: df.drop([0,2],axis=0,inplace=True)
7) 筛选元素
对于 DataFrame 对象，也可以通过指定条件来筛选元素。例如，筛选出产品价格中价格大于 2000 元的产品信息，其示例代码如下：
In [44]: df[df['price']>2000]
Out[44]:
item product price
id
0 电视机 3000
1 空调 2300
3 电脑 5600
例如，筛选出产品价格中所有元素都小于 2000 元的产品信息，其示例代码如下：
In [45]: df[df<2000]
Out[45]:
item product price
id
0 电视机 NaN
1 空调 NaN
2 洗衣机 560
3 电脑 NaN
返回的 DataFrame 对象中只包含满足条件的数字，各元素的位置保持不变，其他不符合条件的元素替换成 NaN。
8)判断元素是否存在
使用 isin() 函数可以判断给定的一列元素是否包含在 DataFrame 结构中，如果给定的元素包含在数据结构中，isin() 函数返回是 True，否则返回是 False。利用此函数可以筛选 DataFrame 列中的数据。
例如判断产品价格中是否存在“电脑”和 2300 这两个元素，并返回满足条件的元素，其示例代码如下：
In [46]: df[df.isin(['电脑',2300])]
Out[46]:
item product price
id
0 NaN NaN
1 NaN 2300.0
2 NaN NaN
3 电脑 NaN
9) DataFrame 转置
DataFrame 数据结构类似于表格数据结构，在处理表格数据时，常常会用到转置操作，即将列变成行，行变成列。pandas 提供了一种简单的转置方法，就是通过调用T属性获得 DataFrame 对象的转置形式。
例如将产品价格数据结构进行转置操作，其示例代码如下：
In [47]: df.T
Out[47]:
id 0 1 2 3
item
product 电视机 空调 洗衣机 电脑
price 3000 2300 560 5600