وقتی کادر داده داریم می توانیم با داده کار کنیم و نتیجه را به فرمت دیگری ذخیره کنیم. یک بسته از 13 بلاک با رنگهای
مختلف در نظر بگیرید. می توانیم ببینیم که سه رنگ متمایز وجود دارند. مثلا می خواهید پیدا کنید چه تعداد مولفه خاص در یک ستون
از یک کادر داده وجود دارد. این ممکن است سخت تر باشد
زیرا به جای 13 مولفه، ممکن است میلیونها داشته باشید. پانداس، متد unique را دارد تا مولفه های منحصر به فرد در یک ستون
از یک کادر داده را تعیین کند. مثلا می خواهیم سال های متمایز از آلبومها
را در مجموعه داده ها تعیین کنیم. نام کادر داده را وارد می کنیم. سپس نام ستون released را
داخل براکت قرار می دهیم. سپس متد unique را به کار می بریم. نتیجه همه مولفه های منحصر به فرد
در ستون released است. مثلا می خواهیم یک بانک اطلاعاتی جدید شامل آهنگهای دهه 1980 و بعد از آن ایجاد کنیم. می توانیم برای آهنگهایی که بعد از 1979 ساخته
شده اند، به ستون released نگاه کنیم. سپس ستونهای مربوطه را انتخاب کنید. می توانیم این کار را با یک
خط کد در Pandas اجرا کنیم. اما بیایید گامها را بشکنیم. می توانیم از عملگرهای نامساوی برای کل
کادر داده در Pandas استفاده کنیم. نتیجه یک سری مقادیر بولی است. برای مورد ما، به سادگی ستون released و نا معادله برای آلبومهای بعد
از 1979 را مشخص می کنیم. نتیجه یک سری از مقادیر بولی است. نتیجه وقتی true است که شرط true باشد
و در غیر اینصورت false است. می توانیم ستونهای مشخص را
در یک خط انتخاب کنیم. به سادگی از نام کادر داده ها و براکت ها که نا معادله ای که قبلا بدان اشاره شد در آن قرار دارند،
استفاده می کنیم و آنرا به متغیر df1 نسبت می دهیم. حال ما یک کادر داده جدید داریم، که در آن هر آلبوم بعد از
سال 1979 منتشر شده است. می توانیم با استفاده از متد to_csv کادر
داده جدید را ذخیره کنیم. آرگومان، نام فایل csv است. مطمئن شوید که یک
اکستنشن csv. را اضافه کرده اید. توابع دیگری هستند تا کادر داده را
در فرمت های دیگر ذخیره کنند.