以下是使用 Python 的 `pandas` 库来解决上述问题的代码： ```python import pandas as pd # 一、利用二维列表创建保存同学基本信息的 DataFrame student_info_list = [['001', '张三', '男', 20], ['002', '李四', '女', 21], ['003', '王五', '男', 19], ['004', '赵六', '女', 22]] student_info_df = pd.DataFrame(student_info_list, columns=['学号', '姓名', '性别', '年龄'], index=['001', '002', '003', '004']) print(student_info_df.head(3)) # 一、利用字典创建保存同学成绩的 DataFrame student_score_dict = {'001': {'数学分析': 85, '程序设计': 90, '英语': 80}, '002': {'数学分析': 75, '程序设计': 85, '英语': 70}, '003': {'数学分析': 90, '程序设计': 80, '英语': 85}, '004': {'数学分析': 65, '程序设计': 70, '英语': 60}} student_score_df = pd.DataFrame(student_score_dict) print(student_score_df.head(3)) # 三、数据抽取 # 1. 抽取并显示第一位同学的各科成绩 print(student_score_df.iloc[0]) # 抽取并显示某个指定学号同学的基本信息（假设指定学号为 003） print(student_info_df.loc['003']) # 2. 抽取并显示数学学科的所有同学的成绩 print(student_score_df['数学分析']) # 3. 抽取并显示第 2，第 4 个同学的基本信息 print(student_info_df.iloc[[1, 3]]) # 4. 抽取并显示第 2 个到第 4 个同学的基本信息 print(student_info_df.iloc[1:4]) # 5. 抽取并显示数学不及格（<60）的学生的相关成绩信息 print(student_score_df[student_score_df['数学分析'] < 60]) # 6. 抽取并显示有不及格成绩的学生的相关成绩信息 has_failed = (student_score_df < 60).any(axis=1) print(student_score_df[has_failed]) # 四、数据增删改查 # 1. 给学生基本信息的 DataFrame 添加一列专业 student_info_df['专业'] = ['计算机', '数学', '物理', '化学'] # 添加另两位同学相关信息（行） new_student_info = [['005', '孙七', '男', 20, '生物'], ['006', '周八', '女', 21, '历史']] new_student_info_df = pd.DataFrame(new_student_info, columns=['学号', '姓名', '性别', '年龄', '专业'], index=['005', '006']) student_info_df = pd.concat([student_info_df, new_student_info_df]) print(student_info_df) # 2. 给学生成绩数据的 DataFrame 数学分析前面添加一列高等代数，成绩自拟 student_score_df.insert(0, '高等代数', [90, 80, 70, 60]) # 添加另两位同学的相关成绩数据（行） new_student_score = {'005': {'高等代数': 85, '数学分析': 70, '程序设计': 80, '英语': 75}, '006': {'高等代数': 75, '数学分析': 65, '程序设计': 70, '英语': 65}} new_student_score_df = pd.DataFrame(new_student_score) student_score_df = pd.concat([student_score_df, new_student_score_df]) print(student_score_df) ``` [2024-10-20 21:03:47 | AI写代码神器 | 943点数解答]