name = ['赵一','钱二','孙三','李四','周五','吴六','郑七'] s1 = [80,99,98,65,32,33,85] s2 = [77,85,95,62,0,53,25] address = ['兰州','成都','贵阳','拉萨','长春','沈阳','上海'] 将score1、score2、address作为值，name作为索引，['score1','score2','address']为列名，创建数据框df，展示df的前五行

可以使用 pandas 库来创建数据框，代码如下：

import pandas as pd

name = ['赵一','钱二','孙三','李四','周五','吴六','郑七']
s1 = [80,99,98,65,32,33,85]
s2 = [77,85,95,62,0,53,25]
address = ['兰州','成都','贵阳','拉萨','长春','沈阳','上海']

df = pd.DataFrame({'score1': s1, 'score2': s2, 'address': address}, index=name)

print(df.head())

输出结果如下：

    score1  score2 address
赵一      80      77      兰州
钱二      99      85      成都
孙三      98      95      贵阳
李四      65      62      拉萨
周五      32       0      长春

相关问题

重建索引为['赵一','钱二','孙三','李四','周五','钱多多']来创建新的数据框df1，补充钱多多的score1和address为60、厦门

可以使用以下代码来重建索引并创建新的数据框df1：

import pandas as pd

data = {'name': ['赵一', '钱二', '孙三', '李四', '周五', '钱多多'],
        'score': [80, 90, 85, 70, 95, None],
        'address': ['北京', '上海', '广州', '深圳', '重庆', None]}

df = pd.DataFrame(data)
df1 = df.set_index('name').reindex(['赵一', '钱二', '孙三', '李四', '周五', '钱多多']).reset_index()
df1.loc[df1['name'] == '钱多多', ['score', 'address']] = [60, '厦门']

这段代码将原始数据框df按照name列进行索引，然后使用reindex方法重建索引为['赵一','钱二','孙三','李四','周五','钱多多']，最后使用reset_index方法将name列还原为普通列。接着，使用loc方法找到钱多多这一行，并将其score和address修改为60和'厦门'。最终得到的新数据框df1如下：

  name  score address
0   赵一   80.0      北京
1   钱二   90.0      上海
2   孙三   85.0      广州
3   李四   70.0      深圳
4   周五   95.0      重庆
5  钱多多   60.0      厦门

select * from student; OK 0101 赵一 1990-01-01 男 0102 钱二 1990-12-21 男 0103 孙三 1990-05-20 男 0104 李四 1988-08-06 男 0105 赵五 1991-12-01 女 0106 赵六 1992-03-01 女 0107 钱七 1989-07-01 女 0108 钱八 1990-01-20 女

好的，你可以使用以下 SQL 语句查询 12 月生日的学生信息：

SELECT * FROM student WHERE MONTH(birthday) = 12;

其中，`MONTH(birthday)` 函数可以提取出生日的月份，然后通过 `WHERE` 子句过滤出生日在 12 月的学生信息。执行以上 SQL 语句后，将会返回以下结果：

0102    钱二    1990-12-21      男
0105    赵五    1991-12-01      女