二、列表、元组、集合、字典和 pandas 数据框（DataFrame）之间的数据转换
在 Python 中，列表、元组、集合、字典和 pandas 数据框（DataFrame）是常见的数据结构，它们可以通过多种方式相互转换。每种数据结构都有其特定的用例，但它们之间的相互转换使得在不同场景下灵活使用非常方便。以下是它们之间的转换操作示例。
1. 列表（list）与其他数据结构的转换
1.1 列表转元组
# 列表转元组
lst = [1, 2, 3, 4]
tup = tuple(lst)
print(tup) # 输出: (1, 2, 3, 4)
1.2 列表转集合
列表中可能有重复元素，转换为集合会自动去重。
# 列表转集合
lst = [1, 2, 2, 3, 4, 4]
set1 = set(lst)
print(set1) # 输出: {1, 2, 3, 4}
1.3 列表转字典
列表转字典时，通常需要列表元素为键值对（或可以映射为键值对）的形式，例如：
# 列表转字典
lst = [("name", "Alice"), ("age", 30)]
dict1 = dict(lst)
print(dict1) # 输出: {'name': 'Alice', 'age': 30}
1.4 列表转数据框（DataFrame）
需要安装并导入 pandas 库。
import pandas as pd
# 列表转数据框
lst = [[1, 'Alice', 23], [2, 'Bob', 30], [3, 'Charlie', 25]]
df = pd.DataFrame(lst, columns=['ID', 'Name', 'Age'])
print(df)
# 输出:
# ID Name Age
# 0 1 Alice 23
# 1 2 Bob 30
# 2 3 Charlie 25
2. 元组（tuple）与其他数据结构的转换
2.1 元组转列表
# 元组转列表
tup = (1, 2, 3, 4)
lst = list(tup)
print(lst) # 输出: [1, 2, 3, 4]
2.2 元组转集合
# 元组转集合
tup = (1, 2, 2, 3, 4)
set1 = set(tup)
print(set1) # 输出: {1, 2, 3, 4}
2.3 元组转字典
元组转字典时，元组必须包含键值对或可转换为键值对的形式。
# 元组转字典
tup = (("name", "Alice"), ("age", 30))
dict1 = dict(tup)
print(dict1) # 输出: {'name': 'Alice', 'age': 30}
2.4 元组转数据框（DataFrame）
import pandas as pd
# 元组转数据框
tup = ((1, 'Alice', 23), (2, 'Bob', 30), (3, 'Charlie', 25))
df = pd.DataFrame(tup, columns=['ID', 'Name', 'Age'])
print(df)
# 输出:
# ID Name Age
# 0 1 Alice 23
# 1 2 Bob 30
# 2 3 Charlie 25
3. 集合（set）与其他数据结构的转换
3.1 集合转列表
# 集合转列表
set1 = {1, 2, 3, 4}
lst = list(set1)
print(lst) # 输出: [1, 2, 3, 4] （顺序可能不同，因为集合是无序的）
3.2 集合转元组
# 集合转元组
set1 = {1, 2, 3, 4}
tup = tuple(set1)
print(tup) # 输出: (1, 2, 3, 4) （顺序可能不同）
3.3 集合转字典
集合本身不能直接转为字典，但可以将其与值配对来构造字典：
# 集合转字典（使用 zip）
set1 = {1, 2, 3}
dict1 = dict(zip(set1, ['a', 'b', 'c']))
print(dict1) # 输出: {1: 'a', 2: 'b', 3: 'c'}
4. 字典（dict）与其他数据结构的转换
4.1 字典转列表
字典的键或值可以转换为列表。
# 字典的键转列表
dict1 = {"name": "Alice", "age": 30}
lst_keys = list(dict1.keys())
print(lst_keys) # 输出: ['name', 'age']
# 字典的值转列表
lst_values = list(dict1.values())
print(lst_values) # 输出: ['Alice', 30]
# 字典的键值对转为列表
lst_items = list(dict1.items())
print(lst_items) # 输出: [('name', 'Alice'), ('age', 30)]
4.2 字典转元组
字典的键值对可以转换为元组。
# 字典的键值对转元组
dict1 = {"name": "Alice", "age": 30}
tup_items = tuple(dict1.items())
print(tup_items) # 输出: (('name', 'Alice'), ('age', 30))
4.3 字典转集合
字典的键或值可以转换为集合。
# 字典的键转集合
dict1 = {"name": "Alice", "age": 30}
set_keys = set(dict1.keys())
print(set_keys) # 输出: {'name', 'age'}
4.4 字典转数据框（DataFrame）
字典的键值对可以直接转为 pandas 数据框。
import pandas as pd
# 字典转数据框
dict1 = {"name": ["Alice", "Bob"], "age": [25, 30]}
df = pd.DataFrame(dict1)
print(df)
# 输出:
# name age
# 0 Alice 25
# 1 Bob 30
5. 数据框（DataFrame）与其他数据结构的转换
5.1 数据框转列表
将数据框的每一行或列转为列表。
import pandas as pd
# 创建数据框
df = pd.DataFrame({"ID": [1, 2, 3], "Name": ["Alice", "Bob", "Charlie"], "Age": [23, 30, 25]})
# 数据框的列转列表
lst = df['Name'].tolist()
print(lst) # 输出: ['Alice', 'Bob', 'Charlie']
# 数据框的行转为列表
lst_rows = df.values.tolist()
print(lst_rows) # 输出: [[1, 'Alice', 23], [2, 'Bob', 30], [3, 'Charlie', 25]]
5.2 数据框转元组
# 数据框转元组
tup_rows = [tuple(x) for x in df.values]
print(tup_rows) # 输出: [(1, 'Alice', 23), (2, 'Bob', 30), (3, 'Charlie', 25)]
5.3 数据框转字典
# 数据框转字典
dict1 = df.to_dict()
print(dict1)
# 输出:
# {'ID': {0: 1, 1: 2, 2: 3},
# 'Name': {0: 'Alice', 1: 'Bob', 2: 'Charlie'},
# 'Age': {0: 23, 1: 30, 2: 25}}
5.4 数据框转集合
由于数据框是二维结构，通常需要将某一列或某一行转换为集合。
# 将某一列转换为集合
set_names = set(df['Name'])
print(set_names) # 输出: {'Charlie', 'Alice', 'Bob'}
总结
Python 中的列表、元组、集合、字典和数据框之间可以通过内置的函数和方法方便地相互转换。在实际应用中，不同的数据结构有不同的使用场景，灵活转换可以使得数据处理更加简便。通过 pandas 数据框可以实现与表
格型数据的互操作，而通过列表、元组和集合可以实现不同的数据存储和操作方式。
