df = pd.DataFrame(data)中的data可以是什么类型的数据？

以下是一些可用转化的数据类型和输出结果：

1. 字典（Dictionary）

python 复制代码

data = {'Name': ['Tom', 'Nick', 'John', 'Alice'],
        'Age': [20, 21, 19, 18],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)

输出：

复制代码

      Name  Age         City
0      Tom   20     New York
1     Nick   21  Los Angeles
2     John   19      Chicago
3    Alice   18      Houston

2. 列表（List）

python 复制代码

data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
df = pd.DataFrame(data)

输出：

复制代码

3. NumPy数组（NumPy Array）

python 复制代码

import numpy as np
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
df = pd.DataFrame(data)

输出：

复制代码

4. 列表的列表（List of Lists）

python 复制代码

data = [[1, 'Alice'], [2, 'Bob'], [3, 'Charlie']]
df = pd.DataFrame(data, columns=['ID', 'Name'])

输出：

复制代码

   ID     Name
0   1    Alice
1   2      Bob
2   3  Charlie

5. 其他pandas对象

python 复制代码

s1 = pd.Series([1, 2, 3], name='A')
s2 = pd.Series(['Alice', 'Bob', 'Charlie'], name='B')
df = pd.DataFrame([s1, s2])

输出：

复制代码

   A     B
0  1  Alice
1  2     Bob
2  3 Charlie

6. 标量值（Scalar）

python 复制代码

data = 5
df = pd.DataFrame([data])

输出：

复制代码

0
5

7. 嵌套字典（Nested Dictionary）

python 复制代码

data = {'Person': {'Name': ['Tom', 'Nick', 'John', 'Alice'],
                  'Age': [20, 21, 19, 18]},
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)

输出：

复制代码

   Person   City
   Name Age      Name
0    Tom   20  New York
1   Nick   21 Los Angeles
2   John   19     Chicago
3  Alice   18      Houston

请注意，这些输出是基于pandas的标准设置，实际输出可能会根据你的pandas版本和环境设置有所不同。