以“超市营业额2.xlsx”为基础，分别完成以下打印操作。 （1）创建交叉表，要求索引为时段，列名为日期，值为交易总额，并且显示边界及边界上的数据，打印前五列数据； （2）使用重采样技术，输出每9天营业额的中位数； （3）使用交叉表得到不同员工在不同柜台的交易总额，并求出标准差； （4）找出日期中天数包含3的交易数据的前15行； 删除缺失值和重复值，把异常值（交易额大于3000或者小于200）替换为交易额的均值，使用交叉表得到每人在各时段交易总额，绘制柱状图，图中字体统一使用黑体。

好的，以下是对你的问题的回答：

（1）创建交叉表，要求索引为时段，列名为日期，值为交易总额，并且显示边界及边界上的数据，打印前五列数据。

我们可以使用 Pandas 库中的 pivot_table() 函数来创建交叉表。具体代码如下：

import pandas as pd

# 读取数据
df = pd.read_excel('超市营业额2.xlsx')

# 创建交叉表
table = pd.pivot_table(df, index='时段', columns='日期', values='交易总额', margins=True, margins_name='总计')

# 显示边界及边界上的数据
print(table.iloc[:6, :5])

上述代码中，我们首先使用 Pandas 库中的 read_excel() 函数读取“超市营业额2.xlsx”文件中的数据。然后，我们使用 pivot_table() 函数创建交叉表，其中 index 参数指定索引为“时段”，columns 参数指定列名为“日期”，values 参数指定值为“交易总额”，margins=True 参数指定显示边界，margins_name='总计' 参数指定边界的名称为“总计”。

最后，我们使用 iloc[] 函数打印交叉表的前 6 行和前 5 列。

（2）使用重采样技术，输出每9天营业额的中位数。

我们可以使用 Pandas 库中的 resample() 函数对数据进行重采样，然后使用 median() 函数计算每个重采样区间内的中位数。具体代码如下：

import pandas as pd

# 读取数据
df = pd.read_excel('超市营业额2.xlsx', index_col='日期', parse_dates=True)

# 按照9天重采样，并计算中位数
resampled = df.resample('9D').median()

# 输出结果
print(resampled)

上述代码中，我们首先使用 Pandas 库中的 read_excel() 函数读取“超市营业额2.xlsx”文件中的数据，并将“日期”列设置为索引，并将其解析为日期格式。然后，我们使用 resample() 函数按照 9 天重采样数据，并使用 median() 函数计算每个重采样区间内的中位数。最后，我们使用 print() 函数输出结果。

（3）使用交叉表得到不同员工在不同柜台的交易总额，并求出标准差。

我们可以使用 Pandas 库中的 pivot_table() 函数创建交叉表，并使用 std() 函数计算标准差。具体代码如下：

import pandas as pd

# 读取数据
df = pd.read_excel('超市营业额2.xlsx')

# 创建交叉表
table = pd.pivot_table(df, index='柜台', columns='员工', values='交易总额')

# 计算标准差
std = table.std().round(2)

# 输出结果
print(table)
print('标准差：\n', std)

上述代码中，我们首先使用 Pandas 库中的 read_excel() 函数读取“超市营业额2.xlsx”文件中的数据。然后，我们使用 pivot_table() 函数创建交叉表，其中 index 参数指定索引为“柜台”，columns 参数指定列名为“员工”，values 参数指定值为“交易总额”。

最后，我们使用 std() 函数计算标准差，并使用 round() 方法保留两位小数，最后使用 print() 函数输出结果。

（4）找出日期中天数包含3的交易数据的前15行。

我们可以使用 Pandas 库中的 str.contains() 函数和 head() 方法找出日期中天数包含 3 的交易数据的前 15 行。具体代码如下：

import pandas as pd

# 读取数据
df = pd.read_excel('超市营业额2.xlsx')

# 找出日期中天数包含3的交易数据的前15行
result = df[df['日期'].astype(str).str.contains('3')].head(15)

# 输出结果
print(result)

上述代码中，我们首先使用 Pandas 库中的 read_excel() 函数读取“超市营业额2.xlsx”文件中的数据。然后，我们使用 str.contains() 函数找出日期中天数包含 3 的交易数据，并使用 head() 方法取前 15 行数据。

最后，我们使用 print() 函数输出结果。

（5）删除缺失值和重复值，把异常值（交易额大于 3000 或者小于 200）替换为交易额的均值，使用交叉表得到每人在各时段交易总额，绘制柱状图，图中字体统一使用黑体。

我们可以使用 Pandas 库中的 dropna() 函数和 drop_duplicates() 函数删除缺失值和重复值，使用 loc[] 函数将异常值替换为交易额的均值，然后使用 pivot_table() 函数创建交叉表，并使用 plot() 函数绘制柱状图。具体代码如下：

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = ['SimHei']  # 设置字体为黑体

# 读取数据
df = pd.read_excel('超市营业额2.xlsx')

# 删除缺失值和重复值
df.dropna(inplace=True)
df.drop_duplicates(inplace=True)

# 将异常值替换为均值
mean = df['交易总额'].mean()
df.loc[df['交易总额'] > 3000, '交易总额'] = mean
df.loc[df['交易总额'] < 200, '交易总额'] = mean

# 创建交叉表
table = pd.pivot_table(df, index='员工', columns='时段', values='交易总额')

# 绘制柱状图
table.plot(kind='bar')
plt.title('每人在各时段交易总额')  # 设置标题
plt.xlabel('员工')  # 设置 x 轴标签
plt.ylabel('交易总额')  # 设置 y 轴标签
plt.show()

上述代码中，我们首先使用 Pandas 库中的 read_excel() 函数读取“超市营业额2.xlsx”文件中的数据。然后，我们使用 dropna() 函数和 drop_duplicates() 函数删除缺失值和重复值。

接下来，我们使用 loc[] 函数将交易额大于 3000 或者小于 200 的异常值替换为交易额的均值。

然后，我们使用 pivot_table() 函数创建交叉表，并使用 plot() 函数绘制柱状图。在绘制柱状图时，我们使用 plt.rcParams['font.family'] = ['SimHei'] 语句将字体设置为黑体，并使用 plt.title()、plt.xlabel() 和 plt.ylabel() 函数设置标题、x 轴标签和 y 轴标签。最后，我们使用 plt.show() 函数显示图形。