可以使用Python中的pandas库来解决这个问题。pandas库提供了强大的数据处理和分析功能。

首先，我们需要导入pandas库：

import pandas as pd

接下来，我们可以使用pandas的DataFrame对象来分别读取两个表的数据。假设表1的数据存储在csv文件1.csv中，表2的数据存储在csv文件2.csv中。

df1 = pd.read_csv('1.csv')
df2 = pd.read_csv('2.csv')

这样，我们就可以分别得到两个表的数据，可以通过df1和df2来访问它们。

接下来，我们可以根据需要使用这两个表的数据。以下是一些示例操作：

1. 合并表：如果两个表有共同的列，我们可以使用pandas的merge函数来合并它们。比如，假设两个表都有一个名为"ID"的列，我们可以使用该列作为连接键：

merged_df = pd.merge(df1, df2, on='ID')

2. 按条件筛选数据：我们可以使用pandas的条件筛选功能来选择满足特定条件的数据。比如，假设我们只想选择表1中"Age"列大于30的行：

filtered_df = df1[df1['Age'] > 30]

3. 计算统计指标：我们可以使用pandas的统计函数来计算各种统计指标。比如，假设我们想计算表2中"Score"列的平均值：

average_score = df2['Score'].mean()

这只是一些示例操作，实际上pandas库提供了许多更复杂的功能来处理和分析数据。你可以根据具体的需求使用pandas库的其他功能来操作这两个表的数据。