第3关：Pandas的DataFrame对象

任务描述

本关任务：分别使用Series对象和字典类型数据创建一个DataFrame对象。

相关知识

Pandas的另一个基础数据结构是DataFrame。和上一节介绍的 Series对象一样，DataFrame既可以作为一个通用型NumPy数组，也可以看作特殊的Python字典。

创建DataFrame对象

Pandas的DataFrame对象可以通过许多方式创建，这里举几个常用的例子。

• 通过数组创建：
  1. pd.DataFrame(array, index=list0, columns=list1) #list表示一个列表
• 通过单个Series对象创建：
  1. pd.DataFrame(Series,columns=list)
• 通过字典列表创建：
  1. data = [{'a': i, 'b': 2 * i} for i in range(3)] pd.DataFrame(data)

  DataFrame是通用的NumPy数组

  如果将Series类比为带灵活索引的一维数组，那么DataFrame就可以看作是一种既有灵活的行索引，又有灵活列名的二维数组，你也可以把DataFrame看成是有序排列的若干Series对象。这里的“排列”指的是它们拥有共同的索引index。
  1. # 创建Series对象
  2. In: area_dict = {'California': 423967, 'Texas': 695662, 'New York': 141297, 'Florida': 170312, 'Illinois': 149995}
  3. In: population_dict = {'California': 38332521,'Texas': 26448193, 'New York': 19651127, 'Florida': 19552860, 'Illinois': 12882135}
  4. In: population = pd.Series(population_dict)
  5. In: area = pd.Series(area_dict)
  6. # 创建DataFrame对象
  7. In: states = pd.DataFrame({'population': population, 'area': area})
  8. In: states
  9. Out: area population
  10. California 423967 38332521
  11. Florida 170312 19552860
  12. Illinois 149995 12882135
  13. New York 141297 19651127
  14. Texas 695662 26448193
  和Series对象一样，DataFrame也有一个index属性可以获取索引标签。另外，DataFrame还有一个columns属性，是存放列标签的Index对象。
  1. In: states.columns
  2. Out: Index(['area', 'population'], dtype='object')

DataFrame是特殊的字典

与Series类似，我们也可以把DataFrame看成一种特殊的字典。字典是一个键映射一个值，而DataFrame是一列映射一个Series的数据。例如，通过area的列属性可以返回包含面积数据的Series对象。

1. In: states['area']
2. Out: California 423967
3. Florida 170312
4. Illinois 149995
5. New York 141297
6. Texas 695662
7. Name: area, dtype: int64

注意：在 NumPy 的二维数组里，data[0] 返回第一行；而在 DataFrame 中，data['列名']返回与列名相匹配的那一列。

编程要求

本关的编程任务是补全右侧上部代码编辑区内的相应代码，要求实现如下功能：

• 将数据转换为Series对象 然后通过Series对象创建一个DataFrame对象，并输出；

• 将数据转换为字典，然后通过字典创建一个DataFrame对象，并输出；

• 具体要求请参见后续测试样例。

请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明

平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入的第一行为列索引，第二行为第一列数据，第三行为第二列数据。

测试输入：
1,2,3,4,6
a,aa,aaa,aaaa,aaaaa
b,bb,bbb,bbbb,bbbbb
预期输出：

1. first second
2. 1 a b
3. 2 aa bb
4. 3 aaa bbb
5. 4 aaaa bbbb
6. 6 aaaaa bbbbb
7. first second
8. 1 a b
9. 2 aa bb
10. 3 aaa bbb
11. 4 aaaa bbbb
12. 6 aaaaa bbbbb

实现代码：

import pandas as pd

index = input()        # 输入的是一个字符串，用于列索引，详细数据请查看测试集

value1 = input()     # DataFrame对象的第一列数据

value2 = input()     # DataFrame对象的第二列数据

# 将数据转换为Series对象  然后通过Series对象创建一个DataFrame对象，然后输出

#********** Begin **********#

ps=pd.Series(value1.split(","),index=list(index.split(",")))

pp=pd.DataFrame({'first':ps,'second':value2.split(",")})

print(pp)

#********** End **********#

# 将数据转换为字典，然后通过字典创建一个DataFrame对象，然后输出

#********** Begin **********#

ps=pd.Series(value1.split(","),index=list(index.split(",")))

pp=pd.DataFrame({'first':ps,'second':value2.split(",")})

print(pp)

#********** End **********#