1）使用 read _ csv 函数读取某地区房屋销售数据． csv 文件。 (2）使用 ndim 、 shape 、 columns 属性分别查看数据的维度、形状，以及所有特征名称。(3）使用 iloc (）方法、 loc (）方法对房屋类型为单身公寓的数据进行索引操作。

当你需要处理csv格式的房屋销售数据时，可以按照以下步骤操作，这里以Python的Pandas库为例：

1. 首先，导入pandas库，然后使用`read_csv()`函数从CSV文件中读取数据。假设文件名为'real_estate_sales.csv'，并且文件在当前工作目录下。

import pandas as pd
sales_data = pd.read_csv('real_estate_sales.csv')

2. 接下来，你可以使用以下几个属性来了解数据的基本情况：
- `ndim`: 计算数据的维数，即一维数组还是二维表格。

   print(sales_data.ndim)

- `shape`: 获取数据的尺寸，即行数和列数。

   print(sales_data.shape)

- `columns`: 获取数据的所有特征（列）名称。

   print(sales_data.columns)

3. 使用`iloc`和`loc`方法可以根据位置和标签选择数据。如果你要选取所有类型为"单身公寓"的记录，首先需要确认数据集中是否有对应的列来标识房屋类型，假设这个列名为'type'。
- 如果你想基于行索引选择数据，可以使用`iloc`方法：

   single_apartments_iloc = sales_data.iloc[sales_data['type'] == '单身公寓']

- 如果你要基于列标签选择数据，可以使用`loc`方法：

   single_apartments_loc = sales_data.loc[sales_data['type'] == '单身公寓']

记得在实际操作前检查列名是否准确，并确保你的数据已经正确地编码了所需的房屋类型标签。