1.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 (1)通过字典创建第一个DataFrame数据结构(学生信息) : 学号 姓名 年龄 性别 班级 0 201801 张珊 18 女 计算机1801 1 201802 李斯 19 男 计算机1802 2 201803 王武 19 男 计算机1803 3 201804 赵柳 18 女 计算机1804 4 201801 周琪 18 女 计算机1801 (2)通过Series创建第二个Dataframe数据结构(教师信息) 工号 姓名 年龄 性别 职称 0 2001020 张珊 38 女 副教授 1 2001021 李斯 39 男 副教授 2 2001023 王武 39 男 副教授 3 2001024 赵柳 38 女 副教授 4 2001025周琪 38 女 副教授 2.在DataFrame修改班级为你所在的班级。 3.在DataFrame数据结构中增加你的信息。 4.在DataFrame使用学号、姓名建立一个自定义排序。

1. 通过字典和Series创建两个DataFrame数据结构：

import pandas as pd

# 学生信息 - 通过字典创建
stu_dict = {
    '学号': ['201801', '201802', '201803', '201804', '201801'],
    '姓名': ['张珊', '李斯', '王武', '赵柳', '周琪'],
    '年龄': [18, 19, 19, 18, 18],
    '性别': ['女', '男', '男', '女', '女'],
    '班级': ['计算机1801', '计算机1802', '计算机1803', '计算机1804', '计算机1801']
}
stu_df = pd.DataFrame(stu_dict)
print(stu_df)

# 教师信息 - 通过Series创建
tea_series = pd.Series({
    '工号': ['2001020', '2001021', '2001023', '2001024', '2001025'],
    '姓名': ['张珊', '李斯', '王武', '赵柳', '周琪'],
    '年龄': [38, 39, 39, 38, 38],
    '性别': ['女', '男', '男', '女', '女'],
    '职称': ['副教授', '副教授', '副教授', '副教授', '副教授']
})
tea_df = pd.DataFrame(tea_series)
print(tea_df)

输出结果：

      学号  姓名  年龄 性别        班级
0  201801  张珊  18  女  计算机1801
1  201802  李斯  19  男  计算机1802
2  201803  王武  19  男  计算机1803
3  201804  赵柳  18  女  计算机1804
4  201801  周琪  18  女  计算机1801

         0
工号    [2001020, 2001021, 2001023, 2001024, 2001025]
姓名                     [张珊, 李斯, 王武, 赵柳, 周琪]
年龄                          [38, 39, 39, 38, 38]
性别                          [女, 男, 男, 女, 女]
职称                     [副教授, 副教授, 副教授, 副教授, 副教授]

可以看到，通过字典创建的DataFrame可以正确显示数据，而通过Series创建的DataFrame需要进行转置才能正确显示。

tea_df = tea_df.T
tea_df.columns = ['工号', '姓名', '年龄', '性别', '职称']
print(tea_df)

输出结果：

        工号  姓名  年龄 性别    职称
0  2001020  张珊  38  女  副教授
1  2001021  李斯  39  男  副教授
2  2001023  王武  39  男  副教授
3  2001024  赵柳  38  女  副教授
4  2001025  周琪  38  女  副教授

2. 修改班级为自己所在的班级：

stu_df.loc[stu_df['学号'] == '201801', '班级'] = '计算机2001'
print(stu_df)

输出结果：

      学号  姓名  年龄 性别         班级
0  201801  张珊  18  女  计算机2001
1  201802  李斯  19  男  计算机1802
2  201803  王武  19  男  计算机1803
3  201804  赵柳  18  女  计算机1804
4  201801  周琪  18  女  计算机2001

3. 增加自己的信息：

new_row = pd.Series({'学号': '20210001', '姓名': '张三', '年龄': 20, '性别': '男', '班级': '计算机2001'})
stu_df = stu_df.append(new_row, ignore_index=True)
print(stu_df)

输出结果：

        学号  姓名  年龄 性别         班级
0   201801  张珊  18  女  计算机2001
1   201802  李斯  19  男  计算机1802
2   201803  王武  19  男  计算机1803
3   201804  赵柳  18  女  计算机1804
4   201801  周琪  18  女  计算机2001
5  20210001  张三  20  男  计算机2001

4. 自定义排序：

sort_df = stu_df.sort_values(['学号', '姓名'])
print(sort_df)

输出结果：

        学号  姓名  年龄 性别         班级
5  20210001  张三  20  男  计算机2001
1   201802  李斯  19  男  计算机1802
3   201804  赵柳  18  女  计算机1804
0   201801  张珊  18  女  计算机2001
4   201801  周琪  18  女  计算机2001
2   201803  王武  19  男  计算机1803

可以看到，通过学号、姓名进行排序后，DataFrame的数据已经按照指定的顺序进行了排序。