三、使用array函数将list处理成ndarray对象。 #将列表处理成数组 scores = np.array(scores) scores # 沿着1轴求平均（每个学生的平均分） scores.mean(axis=1).round(1) # 沿着0轴求最高分、最低分（每门课程） scores.max(axis=0) scores.min(axis=0) # 通过构造器语法创建DataFrame对象 df = pd.DataFrame(data=scores, index=names, columns=courses) df

这段代码使用了NumPy库和Pandas库，它将Python列表`scores`转换为NumPy数组，并进行了一些数组操作。接下来使用Pandas库中的DataFrame构造器，创建了一个数据框对象：

import numpy as np
import pandas as pd

# 将列表处理成数组
scores = [ [65, 92, 78], [89, 72, 54], [78, 76, 82], [90, 89, 92], [66, 85, 90] ]
scores = np.array(scores)

# 沿着1轴求平均（每个学生的平均分）
avg_scores = scores.mean(axis=1).round(1)

# 沿着0轴求最高分、最低分（每门课程）
max_scores = scores.max(axis=0)
min_scores = scores.min(axis=0)

# 通过构造器语法创建DataFrame对象
names = ['Jack', 'Marry', 'Tom', 'Jerry', 'Bob']
courses = ['Math', 'English', 'Chinese']
df = pd.DataFrame(data=scores, index=names, columns=courses)

print(df)

输出：

       Math  English  Chinese
Jack     65       92       78
Marry    89       72       54
Tom      78       76       82
Jerry    90       89       92
Bob      66       85       90

在上面的代码中，我们首先定义了一个Python列表`scores`，然后使用NumPy库中的`array`函数将其转换为NumPy数组。接下来，我们使用NumPy库中的`mean`函数沿着第1个轴（即列）求平均值，并使用`round`函数将结果四舍五入到1位小数。然后，我们使用NumPy库中的`max`和`min`函数沿着第0个轴（即行）求最大值和最小值。最后，我们使用Pandas库中的`DataFrame`构造器创建一个数据框对象，并将其打印输出。