利用3个series作为1列创建一个DataFrame

下面是一个示例，其中3个Series分别是“姓名”，“年龄”，“性别”，它们被合并成一个DataFrame的一列：

import pandas as pd

# 创建3个Series
name = pd.Series(['Alice', 'Bob', 'Charlie'])
age = pd.Series([25, 30, 35])
gender = pd.Series(['F', 'M', 'M'])

# 将3个Series合并成一个DataFrame的一列
df = pd.DataFrame({'Info': pd.concat([name, age, gender])})

print(df)

输出：

      Info
0    Alice
1      Bob
2  Charlie
3       25
4       30
5       35
6        F
7        M
8        M

相关问题

题目描述：利用pandas库完成2项编程任务。 （1）利用列表、元组和字典分别创建3个一级索引的数据结构Series。实验效果如图2-1所示。 （2）利用字典和Series分别创建2个二级索引的数据结构DataFrame。实验效果如图2-2所示。 提示：使用pandas.Series( )和pandas.DataFrame( )分别创建一维Series和二维DataFrame数据结构；

好的，这是一道使用pandas库完成编程任务的题目，下面是两个任务的具体解答：

任务1：利用列表、元组和字典分别创建3个一级索引的数据结构Series。

我们可以使用pandas库的Series方法创建一维的Series数据结构，具体的做法如下：

import pandas as pd

# 利用列表创建一级索引的Series
list_data = [1, 2, 3, 4, 5]
list_index = ['a', 'b', 'c', 'd', 'e']
list_series = pd.Series(list_data, index=list_index)
print("利用列表创建的一级索引的Series：\n", list_series)

# 利用元组创建一级索引的Series
tuple_data = (10, 20, 30, 40, 50)
tuple_index = ['a', 'b', 'c', 'd', 'e']
tuple_series = pd.Series(tuple_data, index=tuple_index)
print("利用元组创建的一级索引的Series：\n", tuple_series)

# 利用字典创建一级索引的Series
dict_data = {'a': 100, 'b': 200, 'c': 300, 'd': 400, 'e': 500}
dict_series = pd.Series(dict_data)
print("利用字典创建的一级索引的Series：\n", dict_series)

运行结果如下：

利用列表创建的一级索引的Series：
a    1
b    2
c    3
d    4
e    5
dtype: int64
利用元组创建的一级索引的Series：
a    10
b    20
c    30
d    40
e    50
dtype: int64
利用字典创建的一级索引的Series：
a    100
b    200
c    300
d    400
e    500
dtype: int64

任务2：利用字典和Series分别创建2个二级索引的数据结构DataFrame。

我们可以使用pandas库的DataFrame方法创建二维的DataFrame数据结构，具体的做法如下：

import pandas as pd

# 利用字典创建二级索引的DataFrame
dict_data = {'A': pd.Series([100, 200, 300], index=['a', 'b', 'c']),
             'B': pd.Series([400, 500, 600, 700], index=['a', 'b', 'c', 'd'])}
dict_df = pd.DataFrame(dict_data)
print("利用字典创建的二级索引的DataFrame：\n", dict_df)

# 利用Series创建二级索引的DataFrame
s1 = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
s2 = pd.Series([50, 60, 70], index=['b', 'c', 'd'])
s3 = pd.Series([80, 90], index=['c', 'd'])
df = pd.DataFrame({'A': s1, 'B': s2, 'C': s3})
print("利用Series创建的二级索引的DataFrame：\n", df)

运行结果如下：

利用字典创建的二级索引的DataFrame：
     A    B
a  100  400
b  200  500
c  300  600
d  NaN  700
利用Series创建的二级索引的DataFrame：
    A   B   C
a  10  50  80
b  20  60  90
c  30  70 NaN
d  40 NaN NaN

希望这个回答能够帮到你，如果你还有其他问题，请继续提问。

利用pandas库完成2项编程任务。 （1）利用列表、元组和字典分别创建3个一级索引的数据结构Series。 （2）利用字典和Series分别创建2个二级索引的数据结构DataFrame

(1) 利用列表、元组和字典分别创建3个一级索引的数据结构Series：

import pandas as pd

# 列表创建Series
list_data = [10, 20, 30, 40]
list_index = ['a', 'b', 'c', 'd']
list_series = pd.Series(list_data, index=list_index)
print(list_series)

# 元组创建Series
tuple_data = (10, 20, 30, 40)
tuple_index = ('a', 'b', 'c', 'd')
tuple_series = pd.Series(tuple_data, index=tuple_index)
print(tuple_series)

# 字典创建Series
dict_data = {'a': 10, 'b': 20, 'c': 30, 'd': 40}
dict_series = pd.Series(dict_data)
print(dict_series)

输出结果：

a    10
b    20
c    30
d    40
dtype: int64

a    10
b    20
c    30
d    40
dtype: int64

a    10
b    20
c    30
d    40
dtype: int64

(2) 利用字典和Series分别创建2个二级索引的数据结构DataFrame：

# 字典创建DataFrame
data = {'name': pd.Series(['Alice', 'Bob', 'Charlie']),
        'age': pd.Series([25, 30, 35]),
        'gender': pd.Series(['F', 'M', 'M'])}
df_dict = pd.DataFrame(data)
print(df_dict)

# Series创建DataFrame
name = pd.Series(['Alice', 'Bob', 'Charlie'])
age = pd.Series([25, 30, 35])
gender = pd.Series(['F', 'M', 'M'])
data = {'name': name, 'age': age, 'gender': gender}
df_series = pd.DataFrame(data)
print(df_series)

输出结果：

      name  age gender
0    Alice   25      F
1      Bob   30      M
2  Charlie   35      M

      name  age gender
0    Alice   25      F
1      Bob   30      M
2  Charlie   35      M