import matplotlib.pyplot as plt

cols = df.columns[1:] #存储各商品名称

n =

m = len(cols)

diff = [0]*m

for i in range(m):

    s = 0

    for j in range(1, n):

day_diff = abs(df[cols[i]][j]-df[cols[i]][j-1]) # 计算每天价格波动

s+=day_diff

x,y = cols,diff

plt.

plt.show ()

图 b

A.df.groupby("地市",as_index=False).count()

B.df.groupby("地市",as_index=False).sum()

C.df.groupby("地市",as_index=True).mean()

import pandas as pd

import matplotlib.pyplot as plt

df = pd.read_excel("T14.xlsx")

df1 =   ①         # 计算各地市不同年龄段的人数

print ("地 市17 岁以下    18-34 岁   35-59 岁   60 岁及以上")

#“df1.values.tolist()”实现将 df1 转换为二维列表。列表中每个元素包含 5 个数

#据项，分别对应地市名称和该地市 4 个年龄段人数总计，如['丽水市', 501421, ...]

df2=df1.values.tolist()

x,y = [],[]

for area in df2:

    for c in range(len(area)):

        if c == 0:

            x.append(area[0])

            print(area[0], end=" ?")

        else:

            sm = sum(area[1:])     #sum 函数实现对序列求和

            t=   ②   

            print('%.2f' %(t), end="% ?")     #按设置格式输出

            if c == 4:

                y.append(t)

print()

plt.title("浙江省各地市 60 岁以上人数占本地市总人口比例", fontsize=24)

plt.bar(x, y)

#绘制 60 岁及以上人数占本地市总人口比例柱形图

#设置绘图参数，显示如图 c 所示，代码略。

#df1为二维列表，列表中每个元素包含6个数据项，内容如图a所示；函数返回值dfs格式同题（1）二维列表 df2

def mygroupby(df1):

    dfs=[]     #创建一个空列表 dfs

    for row in df1:

        if n>0:

            for j in range(n):

                if row[0]==dfs[j][0]:

                    break

        if n==0 or row[0] != dfs[j][0]:

            dfs.append([row[0],0,0,0,0])

            j=n

        for k in range(2,len(row)):

return dfs