DataFram（二维表）生成，DataFram中行、列的增加，DataFram折线图、饼图、直方图、散点图的生成，及生成图片的保存,查看DataFram数据的统计信息，DataFram 数据读取或写入到csv或excel文件

好的，您的问题是关于如何使用Python中的Pandas库进行DataFram的生成和操作，以及如何生成不同类型的图表，并将生成的图表保存为图片，以及如何读取和写入到csv或excel文件。下面我来一一回答您的问题：

1. DataFram（二维表）生成和行、列的增加：

要生成DataFram，需要使用Pandas库中的DataFrame()函数，该函数可以将数据转换为DataFram格式。例如，以下代码可以生成一个包含3行2列的DataFram：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)

输出结果为：

       name  age
0     Alice   25
1       Bob   30
2  Charlie   35

要在DataFram中增加行和列，可以使用Pandas库中的append()、loc[]、iloc[]等方法。例如，以下代码可以在DataFram中增加一行数据：

new_data = {'name': 'David', 'age': 40}
df = df.append(new_data, ignore_index=True)
print(df)

输出结果为：

       name  age
0     Alice   25
1       Bob   30
2  Charlie   35
3     David   40

2. DataFram折线图、饼图、直方图、散点图的生成，及生成图片的保存：

要生成DataFram的折线图、饼图、直方图、散点图，可以使用Pandas库中的plot()方法。例如，以下代码可以生成DataFram的折线图：

import matplotlib.pyplot as plt

df.plot(kind='line', x='name', y='age')
plt.savefig('line_chart.png')

以上代码将生成一张名为“line_chart.png”的图片文件，该文件保存了DataFram的折线图。

3. 查看DataFram数据的统计信息：

要查看DataFram数据的统计信息，可以使用Pandas库中的describe()方法。例如，以下代码可以查看DataFram的统计信息：

print(df.describe())

输出结果为：

             age
count   4.000000
mean   32.500000
std     6.454972
min    25.000000
25%    28.750000
50%    32.500000
75%    36.250000
max    40.000000

4. DataFram 数据读取或写入到csv或excel文件：

要将DataFram数据写入到csv或excel文件，可以使用Pandas库中的to_csv()和to_excel()方法。例如，以下代码可以将DataFram写入到名为“data.csv”的csv文件中：

df.to_csv('data.csv', index=False)

要将csv或excel文件读取为DataFram，可以使用Pandas库中的read_csv()和read_excel()方法。例如，以下代码可以读取名为“data.csv”的csv文件并转换为DataFram格式：

df = pd.read_csv('data.csv')
print(df)

输出结果为：

       name  age
0     Alice   25
1       Bob   30
2  Charlie   35
3     David   40

以上就是关于您提出的问题的回答，希望能对您有所帮助。