> import pandas as pd
> import numpy as np
> from pandas import Series, DataFrame
> df = DataFrame({'name':['a','a','b','b'],'classes':[1,2,3,4],'price':[11,22,33,44]})
> df
 classes name price
0  1 a  11
1  2 a  22
2  3 b  33
3  4 b  44
> 

> s = df.loc[0,'price']
> s
11

> sex = df.loc[(df.classes==1)&(df.name=='a'),'price']
> sex
0 11
Name: price, dtype: int64
> sex = df.loc[(df.classes==1)&(df.name=='a'),'price'].values[0]
> sex
11

> name,price = df.loc[df.classes==1,('name','price')].values[0]
> name
'a'
> price
11
>

> df.loc[: , 'price']=0
> df
 classes name price
0  1 a  0
1  2 a  0
2  3 b  0
3  4 b  0
>

【1】
> df['name'] = df['name'].apply(lambda x: x.upper())
> df
 classes name price
0  1 A  11
1  2 A  22
2  3 B  33
3  4 B  44
【2】
> df.loc[:, 'name'] = df['name'].apply(lambda x: x.upper())
> df
 classes name price
0  1 A  11
1  2 A  22
2  3 B  33
3  4 B  44
>

【1】
> df[['classes','price']] = df[['classes', 'price']].applymap(lambda x: str(x))
> print(type(df.loc[0, "classes"]))
<class 'str'>
> print(df.loc[0, "classes"])
1
【2】
> df.loc[:, ['classes','price']] = df[['classes', 'price']].applymap(lambda x: int(x))
> print(type(df.loc[0, "classes"]))
<class 'int'>
> print(df.loc[0, "classes"])
1
> 

> df
 classes name price
0  1 a  11
1  1 a  22
2  3 b  33
3  4 b  44
> df.drop_duplicates(subset=['classes', 'name'], inplace=True)
> df
 classes name price
0  1 a  11
2  3 b  33
3  4 b  44

> fund_memeber = '赵四、 王五'
> fund_manager_list = re.split('[；， 、]', fund_memeber)
> fund_manager_list
['赵四', '', '王五']
#DataFrame构造器
> df = DataFrame({'x':[1],'y':[2]})
> df
 x y
0 1 2
>

> df = DataFrame({'name':['a','b','c','d'],'classes':[1,2,3,4],'price':[11,22,33,44]})
> df
 classes name price
0  1 a  11
1  2 b  22
2  3 c  33
3  4 d  44
【方法一】
> df = df.loc[df['name']!='a']
> df
 classes name price
1  2 b  22
2  3 c  33
3  4 d  44
> 
【方法二】
 df.drop(df[df.name=='a'].index,axis=0)
 #筛选df的每列值包含某个字段‘/a'
 > import pandas as pd
> df = pd.DataFrame({'a':['A', 'B'], 'b': ['AA', 'BB']})
> df
 a b
0 A AA
1 B BB
> df[df['a'].str.contains(r'A')]
 a b
0 A AA
> df = pd.DataFrame({'a':['/api/', 'B'], 'b': ['AA', 'BB']})
> df
  a b
0 /api/ AA
1  B BB
> df[df['a'].str.contains(r'/api/')]
  a b
0 /api/ AA
>

df
  request_url visit_times
9 fofeasy_产品基本信息   7
8   投顾挖掘   6
5   投顾挖掘   5
6   投顾挖掘   5
7 fofeasy_产品基本信息   5
3 fofeasy_产品基本信息   4
4 fofeasy_产品基本信息   4
2   投顾挖掘   2
0  行业数据——其他   1
1  行业数据——其他   1
x = df.set_index('request_url')
x
    visit_times
request_url    
fofeasy_产品基本信息   7
投顾挖掘      6
投顾挖掘      5
投顾挖掘      5
fofeasy_产品基本信息   5
fofeasy_产品基本信息   4
fofeasy_产品基本信息   4
投顾挖掘      2
行业数据——其他     1
行业数据——其他     1
x.reset_index('request_url')
  request_url visit_times
0 fofeasy_产品基本信息   7
1   投顾挖掘   6
2   投顾挖掘   5
3   投顾挖掘   5
4 fofeasy_产品基本信息   5
5 fofeasy_产品基本信息   4
6 fofeasy_产品基本信息   4
7   投顾挖掘   2
8  行业数据——其他   1
9  行业数据——其他   1

>df.groupby(by=['request_url'])['visit_times'].sum()
>
request_url
fofeasy_产品基本信息 20
投顾挖掘    18
行业数据——其他   2
Name: visit_times, dtype: int64

In [15]: dict = pd.DataFrame({'x':1, 'y':2}, index=[0])
In [16]: dict
Out[16]:
 x y
0 1 2

In [69]: df1.iloc[1:5, 2:4]
Out[69]: 
   4   6
2 0.301624 -2.179861
4 1.462696 -1.743161
6 1.314232 0.690579
8 0.014871 3.357427