"cell_type": "markdown", "id": "b163170a", "metadata": {}, "source": [ "## 3. 显示DataFrame列\n", "\n", "数据如下创建：" ]

这段代码是用于在Jupyter Notebook中展示DataFrame列的。DataFrame是pandas库中一种非常常用的数据结构，类似于Excel表格。展示DataFrame的列可以通过以下方法实现：

import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)
print(df['name']) # 显示name列

上述代码中，我们首先导入pandas库，并使用字典创建了一个包含'name', 'age', 'gender'三列的DataFrame。然后使用print函数展示了DataFrame中的'name'列。

相关问题

"cell_type": "markdown", "id": "afdcf5ac", "metadata": {}, "source": [ "## 2. 采用以下值和索引创建Series" ]

可以使用 Pandas 库中的 Series() 函数来创建一个 Series 对象，具体方法如下：

import pandas as pd

# 创建一个 Series，索引为 ['a', 'b', 'c']，值为 [1, 2, 3]
s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])

其中，`pd.Series()` 表示创建一个 Series 对象，其中第一个参数为 Series 的值，第二个参数为索引。在上述代码中，我们将 `[1, 2, 3]` 作为 Series 的值，将 `['a', 'b', 'c']` 作为索引，最终创建了一个名为 `s` 的 Series 对象。

如果只传递一个列表或数组作为参数，则 Pandas 会默认使用从 0 开始的整数作为索引。例如：

import pandas as pd

# 创建一个 Series，索引为 [0, 1, 2]，值为 [1, 2, 3]
s = pd.Series([1, 2, 3])

如果你有任何问题或需要更多帮助，请随时提出。

{ "cell_type": "markdown", "metadata": {}, "source": [ "# 1.读取数据 5分" ] },

读取数据是指从外部文件或者数据库中获取数据并加载到程序中进行处理的过程。在数据分析和机器学习领域，读取数据是进行数据预处理和建模的第一步。

常见的数据读取方式包括：
1. 从文件中读取数据：可以使用Python中的内置函数或者第三方库来读取各种类型的文件，如CSV、Excel、JSON等。例如，可以使用pandas库的read_csv()函数来读取CSV文件。
2. 从数据库中读取数据：如果数据存储在关系型数据库中，可以使用SQL语句来查询并获取数据。可以使用Python中的第三方库如pymysql、psycopg2等来连接数据库并执行SQL查询操作。
3. 从API接口获取数据：如果数据存储在远程服务器上，可以通过API接口来获取数据。可以使用Python中的第三方库如requests来发送HTTP请求并获取数据。