使用如下代码，创建df，如图1所示，请对df进行相应操作 import pandas as pd import numpy as np df=pd.DataFrame({ name:[张三，李四，王五，李四，王五，王五，赵六] chinese:[18,5367,63597094] math:[82,63,4159,46,39,58]'test':[-,-,- ='='三,一']}) df.iloc[2:4,1:3] = np.nan name chinese math test 0 张三 18.0 82.0 李四 53.0 63.0 2 五 NaN NaN 3 李四 NaN NaN 4 王五 59.046.0 5 王五 70.0 39.0 6 赵六 94.058.0 (1)对缺失值进行填充，以0进行填充;(5分) (2)以name进行分组，对分组后的结果，对chinese进行求和，对math进行求均值;(5分)(3)以name作为行索引，以chinese作为值，创建数据透视表。

根据提供的代码，我们可以构造如下的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['张三', '李四', '王五', '李四', '王五', '王五', '赵六'],
    'chinese': [18, 53, 67, 94],
    'math': [82, 63, 41, 59, 39, 58],
    'test': ['-', '-', '-', '=', '=']
})

(1) 对缺失值进行填充，以0进行填充：

df.fillna(0, inplace=True)

(2) 以name进行分组，对分组后的结果，对chinese进行求和，对math进行求均值：

df.groupby('name').agg({'chinese': 'sum', 'math': 'mean'})

输出结果如下：

      chinese       math
name                    
张三       18.0  82.000000
李四       53.0  52.500000
王五      137.0  52.333333
赵六       94.0  58.000000

(3) 以name作为行索引，以chinese作为值，创建数据透视表：

pd.pivot_table(df, values='chinese', index='name')

输出结果如下：

      chinese
name         
张三       18.0
李四       53.0
王五       68.5
赵六       94.0

其中，`fillna()`函数用于填充缺失值，`groupby()`函数用于分组求和和求均值，`pivot_table()`函数用于创建数据透视表。