DataFrame（从pandas 2.0.0开始）的documentation的参数部分开始：

data：ndarray（结构化或同构）、Iterable、dict或DataFrame

Dict可以包含Series、数组、常量、数据类或类似列表的对象。如果data是dict，则列顺序遵循插入顺序。如果dict包含定义了索引的Series，则按其索引对齐。如果data是Series或DataFrame本身，则也会发生这种对齐。对齐在Series/DataFrame输入上完成。
如果数据是一个字典列表，则列顺序遵循插入顺序。
说明指向有效的输入类型（即 ndarray，Iterable，dict或DataFrame），但没有完全描述 * 如何 * 构造函数将data转换为DataFrame。它看起来有点像一个黑盒子。我应该能够预测，基于文档，说，传递一个包含一个Series且没有其他参数的list将给予类似于Series.to_frame().T的结果（尽管数据类型可能不同;参见this answer和this one）？
这个问题的目的是征求答案，根据构造函数如何将数据放入或处理到DataFrame中，将通过data将数据传递到DataFrame()的不同方式进行分类。这必然是一个广泛的问题，但应该有有限数量的情况，因为构造函数是，你知道，我对这个问题很感兴趣，并且愿意通过挖掘源代码来发现答案;然而，我想在我这样做之前，其他有更多经验的人可能会有见解在这里分享。
这是一个关于广义规则的单一问题，我相信它的答案都属于一个地方。然而，由于它是广义的，我将提供一些具体的子问题来帮助我们开始：

• 对于iterable s，什么容器和元素组合是有效的？不需要尝试，我应该能够预测如果我传递DataFrames的list或Series的Series会发生什么？当Series输入“按索引对齐”时，使用哪个轴？处理是否完全取决于它的元素是什么？
• 通过data传递的容器和元素类型如何影响DataFrame的组合方式？我是否能够仅基于data的知识来预测数据将如何沿着结果DataFrame的轴对齐？我不知道答案是否显而易见，但无论哪种情况，我都没有看到它的文档。
• 如果我把DataFrame看作是“Series对象的类似命令的容器”（如文档所示），那么控制data如何被解释（松散地）为键和值的直观规则是什么？

我愿意接受改进这个问题的建议，但我确实认为这是一个需要提出的问题，我在这个网站上没有找到类似的问题。