参考上课讲授内容，使用pandas库读入一个数据文件data.csv， DataFrame对象展示内容如下所示： 这是一家服装店统计的会员数据。最上面的一行是列坐标，最左侧一 列是行坐标。列坐标中，第 0 列代表的是序号，第 1 列代表的会员 的姓名，第 2 列代表年龄，第 3 列代表体重，第 4~6 列代表男性 会员的三围尺寸，第 7~9 列代表女性会员的三围尺寸。 (1) 删除值全为Nan的行，删除序号列。 (2) 对df对象进行列索引标识。 (3) 年龄中的Nan值用年龄的均值替换。 (4) 将体重列中单位为kgs的数据全部变换成单位为lbs的数据 (1kgs=2.2lbs)，再去除lbs后缀。 (5) 将体重列中Nan值用体重的均值替换。 (6) 剔除会员姓名列中的异常字符，再将会员的姓名划分为姓和名 两列。 (7) 将女性会员的腰围列中的Nan用女性腰围的均值替换。 (8) 在df对象中增加一个性别列，男性值为“1”，女性值 为”0”。 (9) 将df中男性的三围数据列和女性的三围数据列合并。 (10) 在df对象中只保存会员的姓、名、性别、年龄、体重、胸围、 腰围、臀围共8列数据，按性别分组，统计输出男性、女性的年 龄、体重及三围数据的均值、方差和中位数。

好的，让我来逐步回答你的问题：

1. 删除值全为Nan的行，删除序号列。

import pandas as pd

# 读入数据文件
df = pd.read_csv('data.csv')

# 删除值全为Nan的行
df.dropna(how='all', inplace=True)

# 删除序号列
df.drop('序号', axis=1, inplace=True)

print(df)

2. 对df对象进行列索引标识。

# 设置列索引
columns = ['姓名', '年龄', '体重', '男士胸围', '男士腰围', '男士臀围', '女士胸围', '女士腰围', '女士臀围']
df.columns = columns

print(df)

3. 年龄中的Nan值用年龄的均值替换。

# 年龄中的Nan值用年龄的均值替换
mean_age = df['年龄'].mean()
df['年龄'].fillna(mean_age, inplace=True)

print(df)

4. 将体重列中单位为kgs的数据全部变换成单位为lbs的数据 (1kgs=2.2lbs)，再去除lbs后缀。

# 将体重列中单位为kgs的数据全部变换成单位为lbs的数据 (1kgs=2.2lbs)，再去除lbs后缀
df['体重'] = df['体重'].str.replace('kgs', '').astype(float) * 2.2

print(df)

5. 将体重列中Nan值用体重的均值替换。

# 将体重列中Nan值用体重的均值替换
mean_weight = df['体重'].mean()
df['体重'].fillna(mean_weight, inplace=True)

print(df)

6. 剔除会员姓名列中的异常字符，再将会员的姓名划分为姓和名两列。

# 剔除会员姓名列中的异常字符
df['姓名'] = df['姓名'].str.replace('·', '')

# 将会员的姓名划分为姓和名两列
df[['姓', '名']] = df['姓名'].str.split(' ', expand=True)

print(df)

7. 将女性会员的腰围列中的Nan用女性腰围的均值替换。

# 将女性会员的腰围列中的Nan用女性腰围的均值替换
mean_waist = df['女士腰围'].mean()
df.loc[df['女士腰围'].isnull() & (df['女士胸围'].notnull()), '女士腰围'] = mean_waist

print(df)

8. 在df对象中增加一个性别列，男性值为“1”，女性值为”0”。

# 在df对象中增加一个性别列，男性值为“1”，女性值为”0“
df['性别'] = df['女士胸围'].notnull().astype(int)

print(df)

9. 将df中男性的三围数据列和女性的三围数据列合并。

# 将df中男性的三围数据列和女性的三围数据列合并
df['胸围'] = df['男士胸围'].combine_first(df['女士胸围'])
df['腰围'] = df['男士腰围'].combine_first(df['女士腰围'])
df['臀围'] = df['男士臀围'].combine_first(df['女士臀围'])

print(df)

10. 在df对象中只保存会员的姓、名、性别、年龄、体重、胸围、腰围、臀围共8列数据，按性别分组，统计输出男性、女性的年龄、体重及三围数据的均值、方差和中位数。

# 在df对象中只保存会员的姓、名、性别、年龄、体重、胸围、腰围、臀围共8列数据
df = df[['姓', '名', '性别', '年龄', '体重', '胸围', '腰围', '臀围']]

# 按性别分组，统计男性、女性的年龄、体重及三围数据的均值、方差和中位数
grouped = df.groupby('性别')
result = grouped.agg({'年龄': ['mean', 'var', 'median'], '体重': ['mean', 'var', 'median'], '胸围': ['mean', 'var', 'median'], '腰围': ['mean', 'var', 'median'], '臀围': ['mean', 'var', 'median']})

print(result)