py显示2019年7月东京气温大于80°F的行数据。

假设你的数据存储在名为`weather_data`的DataFrame中，其中包含日期、城市和气温等列。你可以使用以下代码来查询2019年7月东京气温大于80°F的行数据：

result = weather_data.query("城市 == '东京' and 气温 > 80 and 日期.str.startswith('2019-07')")

其中，`query`函数的参数是一个字符串，表示查询语句。在这个查询语句中，我们使用了`and`关键字将两个条件联合起来，即城市为东京和气温大于80°F。另外，我们使用了`str.startswith`函数来过滤日期列，只保留以"2019-07"开头的行数据。最终的查询结果存储在`result`变量中。

相关问题

py显示2019年7月东京气温大于80°F的行数据。年月日都是在一个CSV中单独的列

可以使用 pandas 库来实现这个功能。假设数据文件为 csv 格式，包含三列，分别为年、月、日和气温（单位为华氏度），可以按照以下步骤进行操作：

import pandas as pd

# 读取数据文件
data = pd.read_csv('data.csv')

# 合并年月日为日期
data['date'] = pd.to_datetime(data['year'].astype(str) + '-' + data['month'].astype(str) + '-' + data['day'].astype(str))

# 提取大于80°F的数据
result = data[data['temp'] > 80]

# 提取年份为2019年的数据
result = result[result['date'].dt.year == 2019]

# 提取月份为7月的数据
result = result[result['date'].dt.month == 7]

# 显示结果
print(result)

这样就可以显示出2019年7月东京气温大于80°F的行数据。

py显示2019年7月Tokyo气温大于80°F的行数据。年月日都是单独的列

可以使用 pandas 库来实现这个功能。假设数据文件为 csv 格式，包含三列，分别为年、月、日和气温（单位为华氏度），可以按照以下步骤进行操作：

import pandas as pd

# 读取数据文件
data = pd.read_csv('data.csv')

# 合并年月日为日期
data['date'] = pd.to_datetime(data[['year', 'month', 'day']])

# 提取大于80°F的数据
result = data[data['temp'] > 80]

# 提取年份为2019年的数据
result = result[result['date'].dt.year == 2019]

# 提取月份为7月的数据
result = result[result['date'].dt.month == 7]

# 显示结果
print(result)

这样就可以显示出2019年7月Tokyo气温大于80°F的行数据。