df1 = pandas.DataFrame([[1,2],[3,4]], index =['a','b'],columns = ['A','B'])。 （1）将df1中数据扩大3倍，打印新表格。

可以使用 `df1*3` 来将所有的数据扩大3倍。完整代码如下：

import pandas

df1 = pandas.DataFrame([[1,2],[3,4]], index =['a','b'],columns = ['A','B'])

df2 = df1*3

print(df2)

输出结果为：

   A   B
a  3   6
b  9  12

相关问题

帮我看看这段代码import pandas as pd import numpy as np df1=pd.Series(3*np.random.rand(4),index=['a','b','c','d'],name='series') df1.plot.pie(figsize=(6,6)) df2=pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d']) df2.plot.bar() df3=pd.DataFrame(np.random.rand(10,5),columns=['A','B','C','D','E']) df3.plot.box() df4=pd.DataFrame(np.random.rand(50,4),columns=['a','b','c','d']) df4.plot.scatter(x='a',y='b')

这是一个关于Python数据可视化的代码段。其中使用了pandas与numpy库来生成随机数据，并用这些数据生成了饼图、柱形图、箱线图和散点图。饼图、柱形图和箱线图用于展示数据的整体趋势和分布情况，散点图则用于展示不同变量间的相关性。

def main(): for j in range(1, 159): print_hi(page=j) df = pd.DataFrame(data) df1 = pd.DataFrame(range(1, len(df)+1), columns=['序号']) pd.concat([df1, df], axis=1).to_csv('result1-1.csv', encoding='utf-8-sig', index=None)

这是一段 Python 代码。该代码首先使用一个 for 循环来迭代 1 到 158 的数字，并对每个数字调用一个名为 `print_hi()` 的函数。然后，它创建了两个 pandas DataFrame 对象 `df` 和 `df1`，其中 `data` 是一个包含数据的列表。接下来，它使用 `pd.concat()` 方法将这两个 DataFrame 对象合并为一个，并将结果保存到名为 `result1-1.csv` 的 CSV 文件中。

值得注意的是，代码中的 `print_hi()` 函数没有给出，因此无法确定它的具体功能。另外，如果 `data` 列表是在调用 `print_hi()` 函数中填充的，那么合并后的 DataFrame 对象可能包含重复的行。