（2）自定义函数，将salary列数据（岗位薪资范围）的最大值和最小值的平均值作为该生的薪资水平，生成新的df1；（涉及split函数、lambda函数、map函数、apply函数）

可以使用以下代码实现：

import pandas as pd

# 读取原始数据
df = pd.read_csv("data.csv")

# 定义自定义函数，计算薪资水平
def calculate_salary_level(row):
    salary_range = row["salary"]
    # 将岗位薪资范围拆分为最大值和最小值
    salary_list = salary_range.split("-")
    min_salary = int(salary_list[0])
    max_salary = int(salary_list[1].replace("k", "")) * 1000
    # 计算薪资水平
    salary_level = (min_salary + max_salary) / 2
    return salary_level

# 使用apply函数应用自定义函数，生成新的df1
df1 = df.copy()
df1["salary_level"] = df1.apply(lambda row: calculate_salary_level(row), axis=1)

print(df1.head())

解释一下代码：

首先使用`pandas`库的`read_csv`函数读取原始数据，存储在`df`变量中。

然后定义了一个叫做`calculate_salary_level`的函数，这个函数接受一个`pandas`中的`Series`类型的数据，代表一行数据，函数的作用是将该行数据的岗位薪资范围拆分为最大值和最小值，并计算它们的平均值作为薪资水平。

使用`apply`函数将自定义函数应用于每一行数据，在新的列`salary_level`中存储计算出来的薪资水平。

最后使用`print`函数打印出新的数据框`df1`的前几行，以检查生成结果是否正确。