获取python运行输出的数据并解析存为dataFrame实例

要获取Python运行输出的数据并解析存为dataFrame实例，需要使用Python的标准库subprocess和pandas。

步骤如下：

1. 编写可以输出数据的Python脚本或命令行命令。比如下面这个Python脚本，它会计算斐波那契数列，并将结果打印到控制台：

   ```python
   def fibonacci(n):
   if n <= 2:
   return 1
   return fibonacci(n-1) + fibonacci(n-2)

   for i in range(1, 10):
   print(fibonacci(i))
   ```

2. 在主程序中，调用subprocess模块的run方法来运行Python脚本或命令行命令，并捕获其输出。具体来说，可以使用subprocess.PIPE来将输出流重定向到Python程序中，并使用subprocess.run方法来运行脚本或命令。示例代码如下：

   ```python
   import subprocess
   import pandas as pd

   运行Python脚本，捕获输出

   process = subprocess.run(['python', 'fibonacci.py'],
   stdout=subprocess.PIPE,
   universal_newlines=True)
   output = process.stdout

   将捕获的输出解析为列表

   lines = output.strip().split('\n')
   data = [list(map(int, line.strip().split())) for line in lines]

   将列表转化为pandas的DataFrame实例

   df = pd.DataFrame(data, columns=['fibonacci'])
   print(df)
   ```

   这个示例代码中，我们使用了subprocess模块中的run方法来运行fibonacci.py这个Python脚本，并将其输出流重定向到Python程序中。由于我们已经在脚本中使用了print函数来输出数据，因此脚本的输出会被捕获到output变量中。接下来，我们使用strip和split方法来分割输出，生成一个二维列表data，它的每一行代表一个打印出的数据。最后，我们使用pandas的DataFrame类来将数据转化为DataFrame实例，并指定列名为'fibonacci'。

3. 运行程序，查看结果。运行上面这个程序会得到如下的输出：

   fibonacci
0 1
1 1
2 2
3 3
4 5
5 8
6 13
7 21
8 34

   可以看到，我们使用pandas的DataFrame类将数据成功地解析输出，并生成了一个DataFrame实例df。通过这个实例，我们可以方便地对数据进行处理和分析。

另一个示例：

1. 编写一个Python脚本来生成一些随机数，并将它们打印到控制台。示例代码如下：

   ```python
   import random

   for i in range(10):
   print(random.randint(1, 100))
   ```

2. 在主程序中，调用subprocess模块的run方法来运行Python脚本或命令行命令，并捕获其输出。具体来说，可以使用subprocess.PIPE来将输出流重定向到Python程序中，并使用subprocess.run方法来运行脚本或命令。示例代码如下：

   ```python
   import subprocess
   import pandas as pd

   运行Python脚本，捕获输出

   process = subprocess.run(['python', 'random_data.py'],
   stdout=subprocess.PIPE,
   universal_newlines=True)
   output = process.stdout

   将捕获的输出解析为列表

   lines = output.strip().split('\n')
   data = [list(map(int, line.strip().split())) for line in lines]

   将列表转化为pandas的DataFrame实例

   df = pd.DataFrame(data, columns=['random_number'])
   print(df)
   ```

   这个示例代码中，我们使用了subprocess模块中的run方法来运行random_data.py这个Python脚本，并将其输出流重定向到Python程序中。由于我们已经在脚本中使用了print函数来输出数据，因此脚本的输出会被捕获到output变量中。接下来，我们使用strip和split方法来分割输出，生成一个二维列表data，它的每一行代表一个打印出的数据。最后，我们使用pandas的DataFrame类来将数据转化为DataFrame实例，并指定列名为'random_number'。

3. 运行程序，查看结果。运行上面这个程序会得到如下的输出：

   random_number
0 66
1 2
2 20
3 28
4 66
5 54
6 18
7 80
8 68
9 17

   可以看到，我们使用pandas的DataFrame类将数据成功地解析输出，并生成了一个DataFrame实例df。通过这个实例，我们可以方便地对数据进行处理和分析。