要按频率过滤Pandas数据框，可以使用value_counts()函数来计算每个值的频率，然后根据频率进行过滤。

下面是一个示例代码，假设有一个名为df的Pandas数据框，其中包含一个名为column_name的列，我们想要按频率过滤该列的值。

import pandas as pd

# 创建示例数据框
data = {'column_name': ['A', 'B', 'C', 'A', 'B', 'A']}
df = pd.DataFrame(data)

# 使用value_counts()函数计算频率
value_counts = df['column_name'].value_counts()

# 设置频率阈值
threshold = 2

# 过滤频率低于阈值的值
filtered_df = df[df['column_name'].isin(value_counts[value_counts >= threshold].index)]

# 打印过滤后的数据框
print(filtered_df)

输出结果为：

  column_name
0           A
3           A
5           A
1           B
4           B

在上面的示例中，我们首先使用value_counts()函数计算了column_name列中每个值的频率。然后，我们设置了一个阈值，只保留频率大于等于阈值的值。最后，我们使用isin()函数过滤数据框，只保留频率大于等于阈值的值对应的行。

你可以根据自己的需求修改阈值和列名来适应你的数据。