• 任务描述
• 相关知识
  • Pandas中的数据结构
  • 了解Series
• 编程要求
• 测试说明

任务描述

本关任务：仔细阅读编程要求，完成相关要求。

相关知识

Pandas是为了解决数据分析任务而创建的，纳入了大量的库和标准数据模型，提供了高效地操作大型数据集所需的工具。 对于Pandas包，在Python中常见的导入方法如下：

1. from pandas import Series,DataFrame
2. import pandas as pd

Pandas中的数据结构

• Series: 一维数组，类似于Python中的基本数据结构list，区别是Series只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。就像数据库中的列数据；
• DataFrame: 二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器；
• Panel：三维的数组，可以理解为DataFrame的容器。

了解Series

为了开始使用Pandas，我们必需熟悉它的两个重要的数据结构：Series 和DataFrame。虽然它们不是每一个问题的通用解决方案，但可以提供一个坚实的，易于使用的大多数应用程序的基础。 Series是一个一维的类似的数组对象，包含一个数组的数据（任何NumPy的数据类型）和一个与数组关联的数据标签，被叫做索引 。最简单的Series是由一个数组的数据构成：

1. In [1]:obj=Series([4,7,-5,3])
2. In [2]:obj
3. Out[2]:
4. 0 4
5. 1 7
6. 2 -5
7. 3 3

Series的交互式显示的字符串表示形式是索引在左边，值在右边。因为我们没有给数据指定索引，一个包含整数0到N-1这里N是数据的长度）的默认索引被创建。你可以分别的通过它的values和index属性来获取 Series的数组表示和索引对象：

1. In [3]: obj.values
2. Out[3]:array([4,7,-5,3])
3. In [4]: obj.index
4. Out[4]:Int64Index([0,1,2,3])

通常，需要创建一个带有索引来确定每一个数据点的Series。

1. In [5]:obj2=Series([4,7,-5,3],index=['d','b','a','c'])
2. In [6]:obj2
3. Out[6]:
4. d 4
5. b 7
6. a -5
7. c 3

如果你有一些数据在一个Python字典中，你可以通过传递字典来从这些数据创建一个Series，只传递一个字典的时候，结果Series中的索引将是排序后的字典的键。

1. In [7]:sdata={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
2. In [8]:obj3=Series(sdata)
3. In [9]:obj3
4. Out[9]:
5. Ohio 35000
6. Texas 71000
7. Oregon 16000
8. Utah 5000

编程要求

根据提示，在右侧编辑器Begin-End处补充代码：

• 创建一个名为series_a的series数组，当中值为[1,2,5,7],对应的索引为['nu', 'li', 'xue', 'xi']；

• 创建一个名为dict_a的字典，字典中包含如下内容{'ting':1, 'shuo':2, 'du':32, 'xie':44}；

• 将dict_a字典转化成名为series_b的series数组。

测试说明

• 如果答案正确，则会输出True。

• # -*- coding: utf-8 -*-
  from pandas import Series, DataFrame
  import pandas as pd
  
  def create_series():
      '''
      返回值:
      series_a: 一个Series类型数据
      series_b: 一个Series类型数据
      dict_a：  一个字典类型数据
      '''
      # 请在此添加代码 完成本关任务
      # ********** Begin *********#
  
      # 创建一个名为series_a的series数组
      series_a = pd.Series([1, 2, 5, 7], index=['nu', 'li', 'xue', 'xi'])
  
      # 创建一个名为dict_a的字典
      dict_a = {'ting': 1, 'shuo': 2, 'du': 32, 'xie': 44}
  
      # 将dict_a字典转化成名为series_b的series数组
      series_b = pd.Series(dict_a)
  
      # ********** End **********#
  
      # 返回series_a, dict_a, series_b
      return series_a, dict_a, series_b
  
  # 测试
  result = create_series()
  '''
  print(result[0].equals(pd.Series([1, 2, 5, 7], index=['nu', 'li', 'xue', 'xi'])) and
        result[1] == {'ting': 1, 'shuo': 2, 'du': 32, 'xie': 44} and
        result[2].equals(pd.Series({'ting': 1, 'shuo': 2, 'du': 32, 'xie': 44})))
  '''