这是十年的某图书馆读者借阅记录，有读者号（uid）、图书号（bid）、图书标题（title） 和借阅日期（date）四个列。 import pandas as pd records = pd.read_csv( 'c:\\temp\\lending.dat') 1）查询每个用户借了多少书 2）查询借书最多的10位用户 3）查询每个用户最早几几年借书 4）查询每个用户每年借书借了几本书 5）查询平均年借书量最多的十位用户

好的，我会根据你提供的数据集和问题，逐一为你解答。

首先，你需要导入 Pandas 库，使用 `read_csv()` 函数读取数据集，然后将其存储在一个名为 `records` 的 DataFrame 中，代码如下：

import pandas as pd

records = pd.read_csv('c:\\temp\\lending.dat')

1. 查询每个用户借了多少书

你可以使用 Pandas 的 `groupby()` 和 `count()` 函数来查询每个用户借了多少书，代码如下：

books_per_user = records.groupby('uid').count()['bid']
print(books_per_user)

其中，`groupby('uid')` 表示按照 `uid` 列进行分组，`count()['bid']` 表示计算每个组中 `bid` 列的数量，即每个用户借了多少书。

2. 查询借书最多的10位用户

你可以使用 Pandas 的 `groupby()`、`count()` 和 `nlargest()` 函数来查询借书最多的10位用户，代码如下：

top_10_users = records.groupby('uid').count()['bid'].nlargest(10)
print(top_10_users)

其中，`nlargest(10)` 表示取出数量最多的前10个用户。

3. 查询每个用户最早几几年借书

你可以使用 Pandas 的 `groupby()` 和 `min()` 函数来查询每个用户最早几几年借书，代码如下：

earliest_year_per_user = records.groupby('uid').min()['date'].apply(lambda x: int(str(x)[:2]))
print(earliest_year_per_user)

其中，`min()['date']` 表示每个用户最早的借书日期，`apply(lambda x: int(str(x)[:2]))` 表示将日期转换为年份的前两位数字。

4. 查询每个用户每年借书借了几本书

你可以使用 Pandas 的 `groupby()`、`resample()` 和 `count()` 函数来查询每个用户每年借书借了几本书，代码如下：

books_per_year_per_user = records.set_index('date').groupby('uid').resample('Y').count()['bid']
print(books_per_year_per_user)

其中，`set_index('date')` 表示将 `date` 列设置为索引，`resample('Y')` 表示按年进行重采样，`count()['bid']` 表示计算每年每个用户借了多少书。

5. 查询平均年借书量最多的十位用户

你可以使用 Pandas 的 `groupby()`、`resample()`、`count()` 和 `mean()` 函数来查询平均年借书量最多的十位用户，代码如下：

avg_books_per_year_per_user = records.set_index('date').groupby('uid').resample('Y').count()['bid'].mean(level='uid')
top_10_avg_users = avg_books_per_year_per_user.nlargest(10)
print(top_10_avg_users)

其中，`mean(level='uid')` 表示按照 `uid` 列计算每个用户的平均年借书量，`nlargest(10)` 表示取出平均年借书量最多的前10个用户。