列表、元组、集合、字典和 pandas 数据框（DataFrame）之间的数据转换

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。