来自 dict 的 Pandas 数据框，为什么？

Question

我可以从 dict 创建一个 pandas 数据框，如下所示：

d = {'Key':['abc','def','xyz'], 'Value':[1,2,3]}
df = pd.DataFrame(d)
df.set_index('Key', inplace=True)

还可以先创建一个这样的系列：

d = {'abc': 1, 'def': 2, 'xyz': 3}
a = pd.Series(d, name='Value')
df = pd.DataFrame(a)

但不是直接这样：

d = {'abc': 1, 'def': 2, 'xyz': 3}
df = pd.DataFrame(d)

我知道from_dict 方法，这也给出了预期的结果：

d = {'abc': 1, 'def': 2, 'xyz': 3}
pd.DataFrame.from_dict(d, orient='index')

但我不明白为什么：

(1) 当从系列或列表作品创建时，需要一个单独的方法从字典创建数据框，没有问题；

(2) 如何/为什么从 dict/list 列表创建数据框有效，但不能直接从 dict 创建。

找到了几个提供解决方案的 SE 答案，但寻找 “为什么”，因为这种行为似乎不一致。任何人都可以阐明我在这里可能缺少的东西。

Answer 1

这里实际上发生了很多事情，所以让我们分解一下。

---

问题

创建DataFrame 的方法有很多（从记录列表、dict、csv、ndarray 等...），即使对于 python 的老手来说，也可能需要很长时间才能理解它们。见鬼，在这些方法中，有更多方法可以通过调整一些参数等等来构建DataFrame。

例如，对于字典（其中的值是等长列表），pandas 可以通过以下两种方式处理它们：

案例 1： 您将每个键值对视为一个列标题，并且它分别是每一行的值。在这种情况下，行没有名称，因此默认情况下您可以只通过行索引来命名它们。

案例 2： 您将每个键值对分别视为行的名称和每列的值。在这种情况下，列没有名称，因此默认情况下您可能只是通过它们的索引来命名它们。

---

解决方案

Python 是一种弱类型语言（也就是变量不声明类型，函数不声明返回）。因此，它没有函数重载。因此，当您想要创建一个可以有多种构造方式的对象类时，您基本上有两种理念：

1. 只创建一个构造函数来检查输入并相应地处理它，涵盖所有可能的选项。当某些输入有自己的选项/参数并且种类太多时，这可能会变得非常臃肿和复杂。
2. 将每个选项分成@classmethod，以处理构造对象的每种特定方式。

第二个通常更好，因为它确实将关注点分离作为 SE 设计原则，但是因此用户需要知道所有不同的 @classmethod 构造函数调用。尽管在我看来，如果您的对象类足够复杂，可以有许多不同的构造选项，那么用户无论如何都应该意识到这一点。

---

Panda 的方式

Pandas 采用了两种解决方案之间的混合。它将使用每种输入类型的默认行为，如果您想获得任何额外的功能，您需要使用各自的 @classmethod 构造函数。

例如，对于dicts，默认情况下，如果您将dict传递给DataFrame构造函数，它将作为Case 1处理。如果你想做第二种情况，你需要使用DataFrame.from_dict并传入orient='index'（没有orient='index'，它将使用基本Case 1所述的默认行为）。

在我看来，我不喜欢这种实现方式。就个人而言，它比有用更令人困惑。老实说，很多熊猫都是这样设计的。 pandas 成为 stackoverflow 上所有其他 python 标记问题的主题是有原因的。