Выборка столбцов и строк: [], loc и iloc без цепочной индексации

loc-срез по меткам vs iloc-срез по позициям: одинаковые границы, разные результаты

Что уже дано

Проверяющая система запускает вашу программу и подаёт данные через stdin. Никаких заранее созданных переменных нет — вы читаете всё сами.

Что нужно сделать

Напишите программу, которая:

1. Читает из stdin целое число n — количество строк таблицы.
2. Читает следующие n строк; каждая содержит два токена через пробел: метка (строка без пробелов) и значение (целое число). Пример строки: alpha 100.
3. Строит pd.DataFrame с одним столбцом 'val' из прочитанных значений. В качестве индекса устанавливает список меток из входных данных (в порядке чтения).
4. Читает из stdin строку с двумя токенами через пробел: label_start и label_stop — метки для loc-среза.
5. Читает из stdin строку с двумя целыми числами: pos_start и pos_stop — позиции для iloc-среза.
6. Вычисляет loc_result = df.loc[label_start:label_stop, ['val']] — срез по меткам (обе границы включаются). Выводит строку: loc_shape=<shape> loc_sum=<сумма столбца val>.
7. Вычисляет iloc_result = df.iloc[pos_start:pos_stop, [0]] — срез по позициям (правая граница не включается). Выводит строку: iloc_shape=<shape> iloc_sum=<сумма столбца val>.
8. Выводит строку: equal=<True/False> — совпадают ли суммы двух срезов.

Ввод и вывод

Программа читает stdin и пишет в stdout.

Формат ввода

n
label1 val1
...
labelN valN
label_start label_stop
pos_start pos_stop

Дополнительные ограничения: n >= 1; все метки попарно различны; label_start и label_stop обязательно присутствуют среди меток входных строк.

Формат вывода

loc_shape=<shape> loc_sum=<int>
iloc_shape=<shape> iloc_sum=<int>
equal=<True/False>