pandas.DataFrame#

класс pandas.DataFrame(данные=None, index=None, столбцы=None, dtype=None, copy=None)[источник]#

Двумерные, изменяемые по размеру, потенциально гетерогенные табличные данные.

Структура данных также содержит помеченные оси (строки и столбцы). Арифметические операции выравниваются по меткам строк и столбцов. Можно рассматривать как словарный контейнер для объектов Series. Основная структура данных pandas.

Параметры:

данныеndarray (структурированный или однородный), Iterable, dict или DataFrame

Словарь может содержать Series, массивы, константы, объекты dataclass или похожие на списки объекты. Если данные являются словарём, порядок столбцов следует порядку вставки. Если словарь содержит Series с определённым индексом, они выравниваются по индексу. Это выравнивание также происходит, если данные являются Series или самим DataFrame. Выравнивание выполняется на входах Series/DataFrame.

Если данные представляют собой список словарей, порядок столбцов следует порядку вставки.

indexIndex или array-like

Индекс для использования в результирующем фрейме. По умолчанию будет использоваться RangeIndex, если информация об индексации не является частью входных данных и индекс не предоставлен.

столбцыIndex или array-like

Метки столбцов для использования в результирующем фрейме, если данные их не имеют, по умолчанию RangeIndex(0, 1, 2, …, n). Если данные содержат метки столбцов, будет выполнена выборка столбцов.

dtypedtype, по умолчанию None

Тип данных для принудительного преобразования. Разрешен только один тип данных. Если None, выводится автоматически.

copybool или None, по умолчанию None

Копировать данные из входных данных. Для данных словаря значение по умолчанию None ведет себя как copy=True. Для DataFrame или 2d ndarray ввода, значение по умолчанию None ведёт себя как copy=False. Если data — это словарь, содержащий одну или несколько Series (возможно, разных типов), copy=False гарантирует, что эти входные данные не будут скопированы.

Изменено в версии 1.3.0.

Смотрите также

DataFrame.from_records: Конструктор из кортежей, также записывает массивы.
DataFrame.from_dict: Из словарей Series, массивов или словарей.
read_csv: Чтение файла значений, разделенных запятыми (csv), в DataFrame.
read_table: Чтение файла с общими разделителями в DataFrame.
read_clipboard: Чтение текста из буфера обмена в DataFrame.

Примечания

Пожалуйста, обратитесь к Руководство пользователя для получения дополнительной информации.

Примеры

Создание DataFrame из словаря.

>>> d = {'col1': [1, 2], 'col2': [3, 4]}
>>> df = pd.DataFrame(data=d)
>>> df
   col1  col2
0     1     3
1     2     4

Обратите внимание, что выведенный тип данных - int64.

>>> df.dtypes
col1    int64
col2    int64
dtype: object

Для принудительного задания единого типа данных:

>>> df = pd.DataFrame(data=d, dtype=np.int8)
>>> df.dtypes
col1    int8
col2    int8
dtype: object

Создание DataFrame из словаря, включающего Series:

>>> d = {'col1': [0, 1, 2, 3], 'col2': pd.Series([2, 3], index=[2, 3])}
>>> pd.DataFrame(data=d, index=[0, 1, 2, 3])
   col1  col2
0     0   NaN
1     1   NaN
2     2   2.0
3     3   3.0

Создание DataFrame из numpy ndarray:

>>> df2 = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]),
...                    columns=['a', 'b', 'c'])
>>> df2
   a  b  c
0  1  2  3
1  4  5  6
2  7  8  9

Создание DataFrame из numpy ndarray с помеченными столбцами:

>>> data = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)],
...                 dtype=[("a", "i4"), ("b", "i4"), ("c", "i4")])
>>> df3 = pd.DataFrame(data, columns=['c', 'a'])
...
>>> df3
   c  a
0  3  1
1  6  4
2  9  7

Создание DataFrame из dataclass:

>>> from dataclasses import make_dataclass
>>> Point = make_dataclass("Point", [("x", int), ("y", int)])
>>> pd.DataFrame([Point(0, 0), Point(0, 3), Point(2, 3)])
   x  y
0  0  0
1  0  3
2  2  3

Создание DataFrame из Series/DataFrame:

>>> ser = pd.Series([1, 2, 3], index=["a", "b", "c"])
>>> df = pd.DataFrame(data=ser, index=["a", "c"])
>>> df
   0
a  1
c  3

>>> df1 = pd.DataFrame([1, 2, 3], index=["a", "b", "c"], columns=["x"])
>>> df2 = pd.DataFrame(data=df1, index=["a", "c"])
>>> df2
   x
a  1
c  3

Атрибуты

`T`	Транспонирование DataFrame.
`at`	Получите одно значение для пары меток строки/столбца.
`attrs`	Словарь глобальных атрибутов этого набора данных.
`axes`	Возвращает список, представляющий оси DataFrame.
`columns`	Метки столбцов DataFrame.
`dtypes`	Возвращает типы данных в DataFrame.
`empty`	Индикатор, пуст ли Series/DataFrame.
`flags`	Получить свойства, связанные с этим объектом pandas.
`iat`	Доступ к одиночному значению для пары строка/столбец по целочисленной позиции.
`iloc`	(УСТАРЕЛО) Индексирование, основанное исключительно на целочисленных позициях для выбора по положению.
`index`	Индекс (метки строк) DataFrame.
`loc`	Доступ к группе строк и столбцов по метке(ам) или булевому массиву.
`ndim`	Возвращает целое число, представляющее количество осей / размерностей массива.
`shape`	Возвращает кортеж, представляющий размерность DataFrame.
`size`	Вернуть целое число, представляющее количество элементов в этом объекте.
`style`	Возвращает объект Styler.
`values`	Возвращает представление DataFrame в виде массива Numpy.

Методы

`abs`()	Возвращает Series/DataFrame с абсолютным числовым значением каждого элемента.
`add`(other[, axis, level, fill_value])	Получить сложение dataframe и other, поэлементно (бинарный оператор добавить).
`add_prefix`(prefix[, axis])	Добавить префикс к меткам строкой префикс.
`add_suffix`(suffix[, axis])	Добавление строковых суффиксов к меткам суффикс.
`agg`([func, axis])	Агрегировать с использованием одной или нескольких операций по указанной оси.
`aggregate`([func, axis])	Агрегировать с использованием одной или нескольких операций по указанной оси.
`align`(other[, join, axis, level, copy, ...])	Выровнять два объекта по их осям с указанным методом соединения.
`all`([axis, bool_only, skipna])	Возвращает, являются ли все элементы True, возможно по оси.
`any`(*[, axis, bool_only, skipna])	Возвращает, является ли какой-либо элемент True, возможно, по оси.
`apply`(func[, axis, raw, result_type, args, ...])	Применить функцию вдоль оси DataFrame.
`applymap`(func[, na_action])	(УСТАРЕЛО) Применяет функцию к элементам DataFrame поэлементно.
`asfreq`(freq[, method, how, normalize, ...])	Преобразовать временной ряд в указанную частоту.
`asof`(where[, subset])	Вернуть последнюю строку(и) без каких-либо NaN перед где.
`assign`(**kwargs)	Назначить новые столбцы для DataFrame.
`astype`(dtype[, copy, errors])	Привести объект pandas к указанному типу данных `dtype`.
`at_time`(time[, asof, axis])	Выбор значений в определенное время суток (например, 9:30 утра).
`backfill`(*[, axis, inplace, limit, downcast])	(УСТАРЕЛО) Заполнение значений NA/NaN с использованием следующего допустимого наблюдения для заполнения пропуска.
`between_time`(start_time, end_time[, ...])	Выбрать значения между определенными временами дня (например, 9:00-9:30 утра).
`bfill`(*[, axis, inplace, limit, limit_area, ...])	Заполните значения NA/NaN, используя следующее допустимое наблюдение для заполнения пробела.
`bool`()	(УСТАРЕЛО) Возвращает логическое значение для одного элемента Series или DataFrame.
`boxplot`([column, by, ax, fontsize, rot, ...])	Создать диаграмму размаха из столбцов DataFrame.
`clip`([lower, upper, axis, inplace])	Обрежьте значения по заданному порогу(ам).
`combine`(other, func[, fill_value, overwrite])	Выполнить объединение по столбцам с другим DataFrame.
`combine_first`(other)	Обновить нулевые элементы значением в том же месте в other.
`compare`(other[, align_axis, keep_shape, ...])	Сравнить с другим DataFrame и показать различия.
`convert_dtypes`([infer_objects, ...])	Преобразование столбцов к наилучшим возможным типам данных с использованием типов, поддерживающих `pd.NA`.
`copy`([deep])	Создать копию индексов и данных этого объекта.
`corr`([method, min_periods, numeric_only])	Вычисляет попарную корреляцию столбцов, исключая значения NA/null.
`corrwith`(other[, axis, drop, method, ...])	Вычислить попарную корреляцию.
`count`([axis, numeric_only])	Подсчёт непустых ячеек для каждого столбца или строки.
`cov`([min_periods, ddof, numeric_only])	Вычислить попарную ковариацию столбцов, исключая значения NA/null.
`cummax`([axis, skipna])	Возвращает кумулятивный максимум по оси DataFrame или Series.
`cummin`([axis, skipna])	Возвращает кумулятивный минимум по оси DataFrame или Series.
`cumprod`([axis, skipna])	Возвращает кумулятивное произведение по оси DataFrame или Series.
`cumsum`([axis, skipna])	Возвращает кумулятивную сумму по оси DataFrame или Series.
`describe`([percentiles, include, exclude])	Генерация описательной статистики.
`diff`([periods, axis])	Первая дискретная разность элемента.
`div`(other[, axis, level, fill_value])	Получить деление с плавающей точкой dataframe и другого объекта, поэлементно (бинарный оператор truediv).
`divide`(other[, axis, level, fill_value])	Получить деление с плавающей точкой dataframe и другого объекта, поэлементно (бинарный оператор truediv).
`dot`(other)	Вычислить матричное умножение между DataFrame и другим объектом.
`drop`([labels, axis, index, columns, level, ...])	Удаляет указанные метки из строк или столбцов.
`drop_duplicates`([subset, keep, inplace, ...])	Возвращает DataFrame с удаленными дублирующимися строками.
`droplevel`(level[, axis])	Возвращает Series/DataFrame с удаленным запрошенным уровнем индекса/столбца.
`dropna`(*[, axis, how, thresh, subset, ...])	Удалить пропущенные значения.
`duplicated`([subset, keep])	Возвращает булеву Series, обозначающую дублирующиеся строки.
`eq`(other[, axis, level])	Получить равенство dataframe и other, поэлементно (бинарный оператор eq).
`equals`(other)	Проверить, содержат ли два объекта одинаковые элементы.
`eval`(expr, *[, inplace])	Вычислить строку, описывающую операции над столбцами DataFrame.
`ewm`([com, span, halflife, alpha, ...])	Предоставить экспоненциально взвешенные (EW) вычисления.
`expanding`([min_periods, axis, method])	Предоставить вычисления с расширяющимся окном.
`explode`(column[, ignore_index])	Преобразование каждого элемента списко-подобного объекта в строку с репликацией значений индекса.
`ffill`(*[, axis, inplace, limit, limit_area, ...])	Заполнение NA/NaN значений путем распространения последнего валидного наблюдения до следующего валидного.
`fillna`([value, method, axis, inplace, ...])	Заполнить значения NA/NaN с использованием указанного метода.
`filter`([items, like, regex, axis])	Выберите подмножество строк или столбцов фрейма данных в соответствии с указанными метками индекса.
`first`(смещение)	(УСТАРЕЛО) Выбор начальных периодов временных рядов на основе смещения даты.
`first_valid_index`()	Возвращает индекс первого не-NA значения или None, если не-NA значение не найдено.
`floordiv`(other[, axis, level, fill_value])	Получить целочисленное деление dataframe и другого объекта, поэлементно (бинарный оператор floordiv).
`from_dict`(data[, orient, dtype, columns])	Создание DataFrame из словаря массивоподобных объектов или словарей.
`from_records`(data[, index, exclude, ...])	Преобразование структурированного или записного ndarray в DataFrame.
`ge`(other[, axis, level])	Получить больше или равно для DataFrame и другого объекта, поэлементно (бинарный оператор ge).
`get`(key[, default])	Получить элемент из объекта по заданному ключу (например, столбец DataFrame).
`groupby`([by, axis, level, as_index, sort, ...])	Группировка DataFrame с использованием маппера или по Series столбцов.
`gt`(other[, axis, level])	Получить "Больше чем" для dataframe и другого, поэлементно (бинарный оператор gt).
`head`([n])	Вернуть первый n строк.
`hist`([column, by, grid, xlabelsize, xrot, ...])	Построить гистограмму столбцов DataFrame.
`idxmax`([axis, skipna, numeric_only])	Возвращает индекс первого вхождения максимума по запрошенной оси.
`idxmin`([axis, skipna, numeric_only])	Возвращает индекс первого вхождения минимума по запрошенной оси.
`infer_objects`([copy])	Попытка вывести лучшие типы данных для столбцов object.
`info`([verbose, buf, max_cols, memory_usage, ...])	Вывести краткую сводку DataFrame.
`insert`(loc, column, value[, allow_duplicates])	Вставить столбец в DataFrame в указанное место.
`interpolate`([method, axis, limit, inplace, ...])	Заполнить значения NaN с помощью метода интерполяции.
`isetitem`(loc, value)	Установите заданное значение в столбце с позицией loc.
`isin`(values)	Содержится ли каждый элемент в DataFrame в значениях.
`isna`()	Обнаружить пропущенные значения.
`isnull`()	DataFrame.isnull является псевдонимом для DataFrame.isna.
`items`()	Итерация по парам (имя столбца, Series).
`iterrows`()	Итерация по строкам DataFrame как парам (индекс, Series).
`itertuples`([index, name])	Итерация по строкам DataFrame как по namedtuples.
`join`(other[, on, how, lsuffix, rsuffix, ...])	Объединить столбцы другого DataFrame.
`keys`()	Получить 'информационную ось' (см. Индексирование для подробностей).
`kurt`([axis, skipna, numeric_only])	Возвращает несмещённый эксцесс по запрошенной оси.
`kurtosis`([axis, skipna, numeric_only])	Возвращает несмещённый эксцесс по запрошенной оси.
`last`(смещение)	(УСТАРЕЛО) Выбирать последние периоды временных рядов на основе смещения даты.
`last_valid_index`()	Возвращает индекс последнего не-NA значения или None, если не найдено ни одного не-NA значения.
`le`(other[, axis, level])	Получить меньше или равно dataframe и другого, поэлементно (бинарный оператор le).
`lt`(other[, axis, level])	Получить меньше, чем dataframe и other, поэлементно (бинарный оператор lt).
`map`(func[, na_action])	Применить функцию к элементам Dataframe поэлементно.
`mask`(cond[, other, inplace, axis, level])	Заменить значения, где условие истинно.
`max`([axis, skipna, numeric_only])	Возвращает максимальное значение по запрошенной оси.
`mean`([axis, skipna, numeric_only])	Возвращает среднее значение по запрошенной оси.
`median`([axis, skipna, numeric_only])	Возвращает медиану значений по запрошенной оси.
`melt`([id_vars, value_vars, var_name, ...])	Преобразовать DataFrame из широкого в длинный формат, опционально оставляя идентификаторы установленными.
`memory_usage`([index, deep])	Возвращает использование памяти каждого столбца в байтах.
`merge`(right[, how, on, left_on, right_on, ...])	Объедините объекты DataFrame или именованные Series с соединением в стиле базы данных.
`min`([axis, skipna, numeric_only])	Возвращает минимальное значение по указанной оси.
`mod`(other[, axis, level, fill_value])	Получить остаток от деления dataframe и other поэлементно (бинарный оператор mod).
`mode`([axis, numeric_only, dropna])	Получить моду(ы) каждого элемента вдоль выбранной оси.
`mul`(other[, axis, level, fill_value])	Получение умножения dataframe и другого объекта поэлементно (бинарный оператор mul).
`multiply`(other[, axis, level, fill_value])	Получение умножения dataframe и другого объекта поэлементно (бинарный оператор mul).
`ne`(other[, axis, level])	Получить "не равно" для dataframe и другого объекта, поэлементно (бинарный оператор ne).
`nlargest`(n, columns[, keep])	Вернуть первый n строки, упорядоченные по столбцы в порядке убывания.
`notna`()	Обнаружить существующие (не пропущенные) значения.
`notnull`()	DataFrame.notnull является псевдонимом для DataFrame.notna.
`nsmallest`(n, columns[, keep])	Вернуть первый n строки, упорядоченные по столбцы в порядке возрастания.
`nunique`([axis, dropna])	Подсчет количества уникальных элементов по указанной оси.
`pad`(*[, axis, inplace, limit, downcast])	(УСТАРЕЛО) Заполнение значений NA/NaN путем распространения последнего допустимого наблюдения на следующее допустимое.
`pct_change`([periods, fill_method, limit, freq])	Дробное изменение между текущим и предыдущим элементом.
`pipe`(func, args, *kwargs)	Применение цепочечных функций, которые ожидают Series или DataFrames.
`pivot`(*, columns[, index, values])	Возвращает преобразованный DataFrame, организованный по заданным значениям индекса/столбца.
`pivot_table`([values, index, columns, ...])	Создает сводную таблицу в стиле электронных таблиц как DataFrame.
`pop`(элемент)	Вернуть элемент и удалить из фрейма.
`pow`(other[, axis, level, fill_value])	Получить экспоненциальную степень dataframe и другого, поэлементно (бинарный оператор pow).
`prod`([axis, skipna, numeric_only, min_count])	Возвращает произведение значений по запрошенной оси.
`product`([axis, skipna, numeric_only, min_count])	Возвращает произведение значений по запрошенной оси.
`quantile`([q, axis, numeric_only, ...])	Возвращает значения на заданном квантиле по запрошенной оси.
`query`(expr, *[, inplace])	в руководстве пользователя по пропущенным данным.
`radd`(other[, axis, level, fill_value])	Получить сложение dataframe и other, поэлементно (бинарный оператор radd).
`rank`([axis, method, numeric_only, ...])	Вычисление числовых рангов данных (от 1 до n) вдоль оси.
`rdiv`(other[, axis, level, fill_value])	Получить деление с плавающей точкой dataframe и другого объекта, поэлементно (бинарный оператор rtruediv).
`reindex`([labels, index, columns, axis, ...])	Привести DataFrame к новому индексу с опциональной логикой заполнения.
`reindex_like`(other[, method, copy, limit, ...])	Возвращает объект с совпадающими индексами, как другой объект.
`rename`([mapper, index, columns, axis, copy, ...])	Переименовать столбцы или метки индекса.
`rename_axis`([mapper, index, columns, axis, ...])	Установите имя оси для индекса или столбцов.
`reorder_levels`(order[, axis])	Переупорядочить уровни индекса, используя порядок ввода.
`replace`([to_replace, value, inplace, limit, ...])	Заменить значения, указанные в to_replace с значение.
`resample`(rule[, axis, closed, label, ...])	Передискретизация временных рядов.
`reset_index`([level, drop, inplace, ...])	Сбросить индекс или его уровень.
`rfloordiv`(other[, axis, level, fill_value])	Получить целочисленное деление dataframe и другого объекта, поэлементно (бинарный оператор rfloordiv).
`rmod`(other[, axis, level, fill_value])	Получить остаток от деления dataframe и other поэлементно (бинарный оператор rmod).
`rmul`(other[, axis, level, fill_value])	Получение умножения dataframe и другого объекта поэлементно (бинарный оператор rmul).
`rolling`(window[, min_periods, center, ...])	Предоставляет скользящие оконные вычисления.
`round`([decimals])	Округление DataFrame до переменного числа десятичных знаков.
`rpow`(other[, axis, level, fill_value])	Получить экспоненциальную степень dataframe и другого, поэлементно (бинарный оператор rpow).
`rsub`(other[, axis, level, fill_value])	Получить вычитание dataframe и other, поэлементно (бинарный оператор rsub).
`rtruediv`(other[, axis, level, fill_value])	Получить деление с плавающей точкой dataframe и другого объекта, поэлементно (бинарный оператор rtruediv).
`sample`([n, frac, replace, weights, ...])	Вернуть случайную выборку элементов из оси объекта.
`select_dtypes`([include, exclude])	Возвращает подмножество столбцов DataFrame на основе типов данных столбцов.
`sem`([axis, skipna, ddof, numeric_only])	Возвращает несмещённую стандартную ошибку среднего по запрошенной оси.
`set_axis`(labels, *[, axis, copy])	Назначить желаемый индекс для заданной оси.
`set_flags`(*[, copy, allows_duplicate_labels])	Возвращает новый объект с обновленными флагами.
`set_index`(keys, *[, drop, append, inplace, ...])	Установите индекс DataFrame, используя существующие столбцы.
`shift`([periods, freq, axis, fill_value, suffix])	Сдвинуть индекс на желаемое количество периодов с необязательным временем freq.
`skew`([axis, skipna, numeric_only])	Возвращает несмещенное асимметричное распределение по запрошенной оси.
`sort_index`(*[, axis, level, ascending, ...])	Сортировать объект по меткам (вдоль оси).
`sort_values`(by, *[, axis, ascending, ...])	Сортировка по значениям вдоль любой оси.
`squeeze`([axis])	Сжать одномерные объекты осей в скаляры.
`stack`([level, dropna, sort, future_stack])	Переместить указанные уровни из столбцов в индекс.
`std`([axis, skipna, ddof, numeric_only])	Возвращает выборочное стандартное отклонение по указанной оси.
`sub`(other[, axis, level, fill_value])	Получить вычитание dataframe и other, поэлементно (бинарный оператор sub).
`subtract`(other[, axis, level, fill_value])	Получить вычитание dataframe и other, поэлементно (бинарный оператор sub).
`sum`([axis, skipna, numeric_only, min_count])	Возвращает сумму значений по запрошенной оси.
`swapaxes`(axis1, axis2[, copy])	(УСТАРЕЛО) Поменять местами оси и соответствующим образом поменять значения осей.
`swaplevel`([i, j, axis])	Поменять местами уровни i и j в `MultiIndex`.
`tail`([n])	Возвращает последний n строк.
`take`(indices[, axis])	Возвращает элементы в заданном позиционный индексы вдоль оси.
`to_clipboard`(*[, excel, sep])	Копировать объект в буфер обмена системы.
`to_csv`([path_or_buf, sep, na_rep, ...])	Запись объекта в файл значений, разделенных запятыми (csv).
`to_dict`([orient, into, index])	Преобразуйте DataFrame в словарь.
`to_excel`(excel_writer, *[, sheet_name, ...])	Запись объекта на лист Excel.
`to_feather`(путь, **kwargs)	Запись DataFrame в двоичный формат Feather.
`to_gbq`(destination_table, *[, project_id, ...])	(УСТАРЕЛО) Запись DataFrame в таблицу Google BigQuery.
`to_hdf`(path_or_buf, *, key[, mode, ...])	Записать содержащиеся данные в файл HDF5 с использованием HDFStore.
`to_html`([buf, columns, col_space, header, ...])	Отобразить DataFrame как HTML-таблицу.
`to_json`([path_or_buf, orient, date_format, ...])	Преобразовать объект в строку JSON.
`to_latex`([buf, columns, header, index, ...])	Отобразить объект в виде таблицы LaTeX, longtable или вложенной таблицы.
`to_markdown`([buf, mode, index, storage_options])	Вывод DataFrame в формате, удобном для Markdown.
`to_numpy`([dtype, copy, na_value])	Преобразовать DataFrame в массив NumPy.
`to_orc`([path, engine, index, engine_kwargs])	Запись DataFrame в формат ORC.
`to_parquet`([path, engine, compression, ...])	Запись DataFrame в бинарный формат parquet.
`to_period`([freq, axis, copy])	Преобразование DataFrame из DatetimeIndex в PeriodIndex.
`to_pickle`(path, *[, compression, protocol, ...])	Pickle (сериализация) объекта в файл.
`to_records`([index, column_dtypes, index_dtypes])	Преобразовать DataFrame в массив записей NumPy.
`to_sql`(name, con, *[, schema, if_exists, ...])	Записать записи, хранящиеся в DataFrame, в базу данных SQL.
`to_stata`(path, *[, convert_dates, ...])	Экспортировать объект DataFrame в формат Stata dta.
`to_string`([buf, columns, col_space, header, ...])	Отобразить DataFrame в табличном формате, удобном для консоли.
`to_timestamp`([freq, how, axis, copy])	Приведение к DatetimeIndex временных меток, в начало периода.
`to_xarray`()	Вернуть объект xarray из объекта pandas.
`to_xml`([path_or_buffer, index, root_name, ...])	Преобразование DataFrame в XML-документ.
`transform`(func[, axis])	Вызов `func` на self, создавая DataFrame с той же формой оси, что и self.
`transpose`(*args[, copy])	Транспонировать индексы и столбцы.
`truediv`(other[, axis, level, fill_value])	Получить деление с плавающей точкой dataframe и другого объекта, поэлементно (бинарный оператор truediv).
`truncate`([before, after, axis, copy])	Обрезать Series или DataFrame до и после некоторого значения индекса.
`tz_convert`(tz[, axis, level, copy])	Преобразовать ось с учетом часового пояса в целевой часовой пояс.
`tz_localize`(tz[, axis, level, copy, ...])	Локализует индекс Series или DataFrame без часового пояса в целевой часовой пояс.
`unstack`([level, fill_value, sort])	Свод уровня (обязательно иерархических) меток индекса.
`update`(other[, join, overwrite, ...])	Изменение на месте с использованием не-NA значений из другого DataFrame.
`value_counts`([subset, normalize, sort, ...])	Возвращает Series, содержащий частоту каждой уникальной строки в Dataframe.
`var`([axis, skipna, ddof, numeric_only])	Возвращает несмещенную дисперсию по запрошенной оси.
`where`(cond[, other, inplace, axis, level])	Заменить значения, где условие ложно.
`xs`(key[, axis, level, drop_level])	Возвращает поперечное сечение из Series/DataFrame.