编程题：从挖地兔财经网站上获取任意1支股票数据，对数据做出增删查改统计等操作。 1、查询：查看前5行，后5行数据；使用loc或iloc函数查看第1行到第100行，open,close列数据；通过条件

在Python中，特别是使用pandas库处理金融数据时，你可以编写一个简单的脚本来完成这个任务。首先，你需要安装必要的库，如requests用于网络请求，pandas处理数据，以及BeautifulSoup或lxml辅助解析HTML数据。以下是基本步骤：

1. **获取数据**：
使用`requests.get()`函数从挖地兔财经网站获取股票数据的HTML内容。假设数据包含在一个名为`data_table.html`的网页中，你可以这样做：

   import requests
   url = "http://www.digdilemon.com/data_table.html"
   response = requests.get(url)
   html_content = response.text

2. **数据解析**：
然后，利用BeautifulSoup或lxml库解析HTML，找到包含股票数据的部分。提取出需要的数据列（如open, close），例如：

   from bs4 import BeautifulSoup
   soup = BeautifulSoup(html_content, 'html.parser')
   stock_data = soup.find('table', {'class': 'stock-data'}).tbody  # 假设股票数据在特定表格内

3. **数据转换**：
将解析后的HTML数据转化为pandas DataFrame，以便进行操作：

   data_rows = [row.text.split('\t') for row in stock_data.find_all('tr')]  # 假定数据是以制表符分隔
   df = pd.DataFrame(data_rows[1:], columns=['日期', '开盘价', '收盘价'])  # 忽略表头，添加列名

4. **数据操作**：
- **查询**：使用pandas的切片功能可以轻松访问指定部分数据，比如前5行和后5行：

     first_five_rows = df.head(5)  # 查看前5行
     last_five_rows = df.tail(5)   # 查看后5行
     specific_range = df.iloc[1:100, ['open', 'close']]  # 查看第1行到第100行及'open', 'close'列

- **过滤**：通过布尔条件筛选数据：

     high_closing_prices = df[df['收盘价'] > df['收盘价'].mean()]  # 获取收盘价高于平均值的记录

5. **增删改**：
- **增加**：直接追加新行，这里通常需要先创建一个新的Series或DataFrame，然后使用`df.append()`或`loc`方法。
- **删除**：pandas提供`drop`, `delete_rows`等方式，但需要注意索引。
- **修改**：同样通过索引定位，修改对应的值。

记得在实际操作前检查网页结构是否稳定，并遵守网站的robots.txt规则和使用条款。完成上述步骤后，你就可以根据需求进行数据的增删查改统计了。