# 题目重述 使用给定的学生信息创建一个 DataFrame，并完成以下操作： a) 将“城市”列设为行索引； b) 通过列索引获取“学号”和“姓名”两列； c) 使用切片获取第1-3行数据； d) 使用 `head()` 和 `tail()` 获取前3行和后3行； e) 使用 `loc` 和 `iloc` 获取指定行列数据； f) 使用 `query()` 方法筛选性别为“男”的行； g) 使用布尔索引筛选性别为“女”的行； h) 增加一行新学生数据（008, 小八, 女, 安徽）； i) 添加 `score` 列，在第二列位置添加 `age` 列； j) 删除城市为“重庆”的行及 `score` 列； k) 将“小三”“小四”改为“王三”“李四”； l) 自主修改行名和列名。 --- # 给出答案（答案为带注释的代码块） ```python import pandas as pd # 原始数据 data = { '学号': ['001', '002', '003', '004', '005'], '姓名': ['小', '小二\\二', '小三', '小四', '小五'], '性别': ['男', '女', '男', '男', '女'], '城市': ['重庆', '上海', '北京', '重庆', '北京'] } # 创建DataFrame df = pd.DataFrame(data) # a) 将城市设为行索引 df.set_index('城市', inplace=True) # b) 通过列索引获取学号和姓名 col_data = df[['学号', '姓名']] # c) 切片获取1-3行（注意：索引可能重复，使用位置切片） slice_data = df.iloc[0:3] # d) head() 和 tail() head_data = df.head(3) tail_data = df.tail(3) # e) loc: 按标签获取 loc_cols = df.loc[:, ['学号', '姓名']] # 所有行的学号、姓名 loc_rows = df.loc['重庆':'北京', '姓名':'性别'] # 注意多级索引行为 # iloc: 按位置获取 iloc_cols = df.iloc[:, [0, 1]] # 第1、2列 iloc_rows = df.iloc[0:3, 1:3] # 前3行，姓名和性别列 # f) query筛选男性（注意索引非唯一，需处理转义字符） df_reset = df.reset_index() # 临时重置便于query male_data = df_reset.query("性别 == '男'").set_index('城市') # g) 布尔表达式筛选女性 female_data = df[df['性别'] == '女'] # h) 增加一行数据（注意：原索引为城市） new_row = pd.Series({ '学号': '008', '姓名': '小八', '性别': '女' }, name='安徽') df = pd.concat([df, new_row.to_frame().T]) # i) 添加score列；在第二列插入age列 df['score'] = None df.insert(1, 'age', None) # 在“姓名”前列插入age # j) 删除行索引为“重庆”的数据；删除score列 df = df.drop(index='重庆') # 删除所有重庆行 df = df.drop(columns='score') # k) 修改“小三”“小四”为“王三”“李四” df.loc[df['姓名'] == '小三', '姓名'] = '王三' df.loc[df['姓名'] == '小四', '姓名'] = '李四' # l) 修改行名（例如将“北京”改为“BJ”）、列名 df = df.rename(index={'北京': 'BJ'}, columns={'学号': 'ID', '姓名': 'Name', '性别': 'Gender', 'age': 'Age'}) ``` --- # 代码解析 1. **数据构建**：使用字典构造原始数据，`pd.DataFrame()` 初始化； 2. **索引设置**：`set_index()` 将“城市”作为行索引； 3. **列选取**：双括号 `[[]]` 提取多列； 4. **切片操作**：`iloc[0:3]` 是前3行的位置切片； 5. **head/tail**：快速查看数据首尾部分； 6. **loc/iloc 区别**： - `loc`：基于标签访问； - `iloc`：基于整数位置； 7. **query 方法**：字符串条件查询，适用于重置索引后的结构化查询； 8. **布尔索引**：`df[condition]` 实现过滤； 9. **新增行**：使用 `pd.Series` 并以城市为 name 构造单行，再用 `concat` 合并； 10. **新增列**： - 直接赋值添加 `score`； - `insert()` 在指定位置插入 `age`； 11. **删除操作**： - `drop(index=...)` 删除指定索引行； - `drop(columns=...)` 删除列； 12. **修改值**：利用布尔索引定位并替换姓名； 13. **重命名**：`rename()` 修改索引和列名。 --- # 知识点（列出该代码中遇到的知识点） - **Pandas DataFrame基本操作**：创建、增删改查、索引设置。 （掌握数据结构核心API是数据分析基础。） - **loc与iloc索引区别**：`loc`按标签，`iloc`按位置。 （正确选择索引方式避免越界或误选。） - **数据筛选与条件查询**：布尔索引、query方法应用。 （高效提取子集的关键技术。）