3. 可以通过下面的类方法从其他数据结构中创建DataFrame：

• DataFrame.from_dict(data, orient='columns', dtype=None)：从字典中创建DataFrame。
  • data：是个字典，其格式为： {key:array-like}或者{key:dict}。
  • orient：指定了key为行还是列。参数的值为'columns'（key为列的label，默认行为）；或者'index'（key为行的label）
  • dtype：数据类型。如果为None，则自动推断。

4. 你可以将DataFrame转换为其他数据类型。

• .to_dict(*args, **kwargs)方法：转换成字典。参数orient决定了转换方式。
  • orient ='dict'：字典的形式为： {col_label:{index_label:value}}（默认行为）
  • orient ='list'：字典的形式为： {col_label:[values]}
  • orient ='series'：字典的形式为： {col_label:Series(values)}
  • orient ='split'：字典的形式为： {'index':[index_labels],'columns':[col_labels],'data':[values]}
  • orient ='records'：字典的形式为： [{col_label:value},...,{col_label:value}]
  • orient ='index'：字典的形式为： {index_label:{col_label:value}}
  • 你可以使用简化字符串，如's'代表'series'，'sp'代表'split'
• .to_records(index=True, convert_datetime64=True)方法：转换成结构数组。
  • index：一个布尔值。如果为True，则结果中包含index
  • convert_datetime64：一个布尔值，如果为True，则转换DatetimeIndex为datetime.datetime

5. 可以将DateFrame转换成字符串：

to_string(buf=None, columns=None, col_space=None, header=True, index=True,
  na_rep='NaN', formatters=None, float_format=None, sparsify=None, 
  index_names=True, justify=None, line_width=None, max_rows=None,
  max_cols=None, show_dimensions=False)