df1.loc[(df1['C']>85) & (df1['C']<95),:]

这是一个pandas DataFrame的查询操作，它的含义是返回一个新的DataFrame，新DataFrame中包含了原DataFrame df1 中所有满足条件 C > 85 且 C < 95 的行。

其中，df1['C']表示选择df1中的'C'列，(df1['C']>85) & (df1['C']<95)表示选择'C'列中大于85且小于95的元素。最后，:表示选择所有列。

例如，如果原DataFrame df1为：

   A  B   C
0  1  2  80
1  3  4  90
2  5  6  95
3  7  8  70

那么执行df1.loc[(df1['C']>85) & (df1['C']<95),:]操作后，会返回一个新的DataFrame，它的值为：

   A  B   C
1  3  4  90

这个操作可以用于查询DataFrame中符合某些条件的行。

相关问题

df1 = df1.loc[:, selList]

`df1 = df1.loc[:, selList]`是一种使用`loc`方法按照列名进行筛选的操作。它会返回一个新的DataFrame，其中只包含`df1`中`selList`列表中指定的列。

以下是一个示例：

df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, , 9]})
selList = ['A', 'C']
df1 = df1.loc[:, selList]
print(df1)

输出：

   A  C
0  1  7
1  2  8
2  3  9

df=pd.read_table('./datingTestSet.txt',names=['fly','plat','eat','like']) df1=df.loc[:,['like']] x1=display(df1.loc[df['like'].str.endswith('largeDoses')].index) x2=df1.loc[df['like'].str.endswith('smallDoses')].index x3=df1.loc[df['like'].str.endswith('didntLike')].index print(x1,x2,x3)y = display(list(range(1, 1000))) y plt.scatter(x, y1, c = "yellow", marker='o',label='largeDoses')

这段代码读入了一个文本文件，将数据存储在名为df的数据框中，并将列名设置为'fly'、'plat'、'eat'和'like'。然后，选择只包含'like'列的子数据框df1。接下来，使用str.endswith()方法和'largeDoses'、'smallDoses'和'didntLike'字符串来查找不同类别的数据的索引，并将它们存储在x1、x2和x3中。最后，使用Matplotlib的scatter()函数绘制散点图，并使用不同的颜色和标记来区分不同类别的数据点。但是，代码中的变量y没有定义，因此无法运行。