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

df = pd.DataFrame(df0, columns=df1.columns) x=df.iloc[:,:-1]

这两行代码的作用是将一个名为 df0 的 Pandas DataFrame 对象转换为一个名为 df 的新 DataFrame 对象，并且将 df 的列名设置为另一个名为 df1 的 DataFrame 对象的列名。

第一行代码中，我们使用 pd.DataFrame() 函数将 df0 转换为一个新的 DataFrame 对象，并且将列名设置为 df1 的列名。其中，df0 是原始的 DataFrame 对象，df1 是包含列名的 DataFrame 对象。

第二行代码中，我们使用 iloc[] 方法选择 df 中的所有行和除最后一列之外的所有列，并将其赋值给 x 变量。这个操作是为了将数据分成特征（所有列除最后一列）和标签（最后一列）两部分，以便进行机器学习模型的训练。

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']}) df2 = pd.DataFrame({'A': [3, 4, 5], 'B': ['d', 'e', 'f']})提取A中相同的行和对应的 B行

可以使用 Pandas 中的 merge 函数来合并两个 DataFrame，并且指定 A 列作为合并的依据。代码如下：

result = pd.merge(df1, df2, on='A', how='inner')[['A', 'B_x', 'B_y']]
result.columns = ['A', 'B1', 'B2']

其中，on='A' 表示使用 A 列作为合并的依据，how='inner' 表示使用内连接的方式合并两个 DataFrame。最后，我们通过列表索引的方式选取需要的列，并且将列名修改为 B1 和 B2，代码中的 B_x 和 B_y 分别表示两个 DataFrame 中的 B 列。