1）读取不同数据源的数据（meal_order_info.txt,meal_order_info.csv, meal_order_detail.xlsx）,并存储位其他格式； 2）以上面读取的订餐数据为例，完成数据框的属性查询、增、删和修改等操作

1) 读取不同数据源的数据通常涉及到几个步骤：

- **文本文件（meal_order_info.txt）**: 可以使用`pandas.read_csv()`或`read_excel()`（如果内容是以逗号分隔的）读取，如果是纯文本文件，可以先转换成CSV再处理。示例：

     txt_df = pd.read_csv('meal_order_info.txt', delimiter='\t')  # 如果是tab分隔

- **CSV文件（meal_order_info.csv）**: 使用`pd.read_csv()`直接读取：

     csv_df = pd.read_csv('meal_order_info.csv')

- **Excel文件（meal_order_detail.xlsx）**: 使用`pd.read_excel()`：

     excel_df = pd.read_excel('meal_order_detail.xlsx')

针对不同格式的数据，可能会使用`to_csv()`, `to_excel()`, 或者其他转换函数将数据保存到其他格式。例如，将数据框转换为JSON文件：

     json_df.to_json('new_data.json', orient='records')

2) 对于已经读取的订餐数据（假设为data_df），可以按照之前提到的方法进行操作：

- 属性查询：如查看某一列，`data_df['列名']`
- 增加：添加新列或行，比如`data_df['新列'] = 新值列表` 或 `data_df = data_df.append(new_row)`
- 删除：删除列 `data_df.drop('列名', axis=1)` 或删除行 `data_df = data_df.drop(index=行索引)`
- 修改：直接修改单个值 `data_df.at[index, '列名'] = 新值` 或批量替换 `data_df['列名'] = data_df['列名'].map(fcn_to_replace)`