建立DataFrame对象对下列数据进行存储，并完成以下统计功能:①统计出北京市的所有数据;②统计出所有“同比”大于130的城市的所有数据;③统计出所有“同比”大于120且“环比”大于101.3的城市的名字。 2016年7月部分大中城市新建住宅价格指数 城市 环比 同比 定基 北京 101.5 120.7 121.4 上海 101.2 127.3 127.8 广州 101.3 119.4 120.0 深圳 102.0 140.9 145.5 沈阳 100.1 101.4 101.6

可以使用pandas库中的DataFrame对象来存储上述数据，并完成统计功能。首先，需要先导入pandas库。

import pandas as pd

然后，可以创建一个DataFrame对象，将数据存储其中。

data = {'城市': ['北京', '上海', '广州', '深圳', '沈阳'],
        '环比': [101.5, 101.2, 101.3, 102.0, 100.1],
        '同比': [120.7, 127.3, 119.4, 140.9, 101.4],
        '定基': [121.4, 127.8, 120.0, 145.5, 101.6]}
df = pd.DataFrame(data)

完成数据存储后，就可以进行统计工作了。

①统计出北京市的所有数据

可以使用loc函数来定位到“城市”列中为“北京”的行，然后输出该行的所有数据。

beijing = df.loc[df['城市'] == '北京']
print(beijing)

输出结果为：

   城市     环比     同比     定基
0  北京  101.5  120.7  121.4

②统计出所有“同比”大于130的城市的所有数据

可以使用loc函数来定位到“同比”列中大于130的行，然后输出这些行的所有数据。

high_tb = df.loc[df['同比'] > 130]
print(high_tb)

输出结果为：

   城市     环比     同比     定基
3  深圳  102.0  140.9  145.5

③统计出所有“同比”大于120且“环比”大于101.3的城市的名字。

可以使用loc函数来定位到“同比”列中大于120且“环比”列中大于101.3的行，然后输出这些行的“城市”列数据。

high_tb_hb = df.loc[(df['同比'] > 120) & (df['环比'] > 101.3)]
print(high_tb_hb['城市'])

输出结果为：

1    上海
2    广州
3    深圳
Name: 城市, dtype: object