这句话含义

执行df1.rolling(3,min_periods=1).mean()并输出结果是

def avewithoutmxmi(data):

    return ((data.sum()-data.max()-data.min())/（data.count()-2）)

print(df11.agg(avewithoutmxmi,axis=0))

这段代码的含义？

对df2的dishes_count求和，对expenditure求均值的代码正确的是

datas=np.random.randint(50,100,dtindex1.size)#随机产生数据

sr1=pd.Series(datas,index=dtindex1)

print(sr1.resample("M").sum())

输出结果的功能是

#org_id是部门ID，emp_id是员工ID，一个部门有多个员工

#为了做出数据透视表，合理的展示不同部门的员工的expenditure之和

#如何填空？

print(pd.pivot_table(df2,index=________________________

                    ,values="expenditure"

                     ,aggfunc=[np.sum]))

#df2["new1"]中数据均为类似“4000-5000”的数据

#要分割为两列如何填空？

q1,q3=np.percentile(students,([__________]))

IQR=(q3-q1)*1.5

H=q3+IQR

L=q1-IQR

import numpy as np

x=np.linspace(-np.pi,np.pi,32)

#np.pi 3.1415926

#-3.14~3.14之间取32个值，构成列表x

y=np.sin(x)

plt.plot(x,y)

plt.show()

以上代码功能是

import numpy as np

data1=[12,34,35,22,27,56,98,65,39,9,181]

q1,q3=np.percentile(data1,[25,75])

iqr=q3-q1

up=q3+1.5*iqr

down=q1-1.5*iqr

for i in data1:

    if(i>up or i<down ):

        print("异常值",i)

以上代码功能

data1=[18,37,98,46,83,77,72,84,60,31,79]

pl.hist(data1,bins=[0,20,40,60,80,100])

pl.show()

运行结果是

101,tom,21

102,jerry,22

106,mike,23

以上为id1.csv内容

df1=pd.read_csv("id1.csv")

df1=df1.append([(112,"jerry",21)])

print(df1)

输出结果是（）