pd.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
frame--数据集
id_vars--需要保留的原始列
values_vars--需要被转换成变量值的数据列
var_name--转换后变量的列名
value_name--数值变量的列名
参考链接：http://shzhangji.com/cnblogs/2017/09/30/pandas-and-tidy-data/
dt.describe()#可用于Series也可用于dataframe，输出所有列的统计信息
pd.crosstab(dt['column_name1'], dt['column_name']，margin=True)#指定列形成交叉表，统计分组频率（按类别分组，统计各个分组中产地的频数）margin=True,多一列All，一行All,计算总和
dt.query('column_name > xx & column_name < xx')#查询函数，括号为条件