import pandas as pd list1 = [['张三','男',1.74,65],['李四','男',1.80,85],\ ['王五','男',1.77,58],['徐洁','女',1.63,48]] df = pd.DataFrame(list1, ____________= ['姓名','性别','身高','体重']) df.loc[4] = ___________________ #添加行 __________= round((df['体重'] / (df['身高'])**2), 2) #添加列 print(df) print('偏瘦的女性有：') print(df.loc[(df['BMI']<20) & (df['性别']=='女'), ['姓名','BMI']]) print('超重的男性有：') print(df.loc[(df['BMI']>25) & (df['性别']=='男'), ['姓名','BMI'])

这是一段与上面类似的代码，也是用来处理员工信息的。可以将下划线处填上相应的代码：

import pandas as pd 

list1 = [['张三','男',1.74,65],['李四','男',1.80,85],['王五','男',1.77,58],['徐洁','女',1.63,48]]

df = pd.DataFrame(list1, columns= ['姓名','性别','身高','体重'])

df.loc[4] = ['刘娜', '女', 1.66, 60] #添加行

df['BMI'] = round((df['体重'] / (df['身高'])**2), 2)   #添加列

print(df)

print('偏瘦的女性有：')
print(df.loc[(df['BMI']<20) & (df['性别']=='女'), ['姓名','BMI']])

print('超重的男性有：')
print(df.loc[(df['BMI']>25) & (df['性别']=='男'), ['姓名','BMI']])

这段代码首先定义了一个二维列表，用于存储员工信息。然后，通过传入列名的方式创建了一个DataFrame对象。接着，使用`loc`方法添加了一行刘娜的信息，并计算员工的BMI指数。最后，分别输出员工信息及BMI指数，并筛选出偏瘦的女性和超重的男性的姓名和BMI值。

相关问题

某部门4位吳工的身体状况信息包括姓名、性别、身高（单位：米）、体重（单位：千克克）分别如下张三，男，1.74，65；李四，男，1.80，85；王五，男，1.77， 58；徐洁，女,1.63，48。请用Pandas 库的DataFrame 对象进行处理。再增加一条数据为：刘娜，女， 1.66. 60。增加一列“BMI"，计算他们的BM1!指数（BMI=体重-身高2），保留2位小数，输出相关信息，并分别输出偏瘦的女性、超重的男性的姓名和BMI值（BM正常值在20至25之间)。

可以先创建一个字典，将各项信息插入其中，然后将字典转化为DataFrame对象：

import pandas as pd

data = {'姓名': ['张三', '李四', '王五', '徐洁'], 
        '性别': ['男', '男', '男', '女'], 
        '身高(m)': [1.74, 1.80, 1.77, 1.63], 
        '体重(kg)': [65, 85, 58, 48]}

df = pd.DataFrame(data)

接下来，可以增加一行数据，计算BMI值：

df.loc[4] = ['刘娜', '女', 1.66, 60]
df['BMI'] = (df['体重(kg)'] / df['身高(m)'] ** 2).round(2)

最后，可以筛选出偏瘦的女性和超重的男性：

thin_woman = df[(df['性别'] == '女') & (df['BMI'] < 20)]
overweight_man = df[(df['性别'] == '男') & (df['BMI'] > 25)]

print("偏瘦的女性：")
print(thin_woman[['姓名', 'BMI']])

print("超重的男性：")
print(overweight_man[['姓名', 'BMI']])

输出结果如下：

偏瘦的女性：
   姓名    BMI
3  徐洁  18.06
超重的男性：
   姓名    BMI
1  李四  26.23