See the first 3 rows: df.head(3)

Valores únicos de una columna df.<columna>.unique()

Coger solo unas columnas:

df[['1990', '2000', '2010']]

Filter by a row value:

is_1809 =  df['Mes'] == 'Septiembre 18'
df[['Mes', 'Categoria', 'Real']][is_1809]

DataFrame.at Access a single value for a row/column label pair

DataFrame.iloc Access group of rows and columns by integer position(s)

DataFrame.xs Returns a cross-section (row(s) or column(s)) from the Series/DataFrame.

Series.loc Access group of values using labels

Remove column from dataframe: df.drop('column_name', axis=1). Also: df.drop(columns=['Esperado acumulado'])

Remove row by index: df.drop([0, 1])

Eliminar una row cuando contenga valor en una columna (Categoria) vacío:

df = df[df['Categoria'] != '']

pd.pivot_table(df, index=['Mes'], columns=['Categoria'], values=['Real'], aggfunc='sum')

Re-Organize indexes:

df.reindex(['Enero', 'Febrero', 'Marzo'])