DataFrame()构造函数的数据传入方式及转换规则技术问询

截至pandas 2.0.0版本，DataFrame官方文档的参数部分开头如下：

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

字典可包含Series、数组、常量、数据类或类列表对象。若data为字典，列顺序遵循插入顺序；若字典含已定义索引的Series，则按其索引对齐，Series或DataFrame作为输入时也会执行此类对齐，对齐仅针对Series/DataFrame输入。

若data为字典列表，列顺序遵循插入顺序。

文档仅指明了合法输入类型，但未完整说明构造函数将data转换为DataFrame的具体逻辑，如同黑盒。例如，仅根据文档无法预测：传入仅含单个Series的列表且无其他参数时，结果与Series.to_frame().T类似（dtype可能不同）。

本问题旨在收集各类通过data参数向DataFrame()传入数据的方式分类，明确构造函数如何处理数据生成DataFrame。虽然问题范围较广，但因构造函数有明确代码实现，情况数量有限。本人有意研读源码寻找答案，但希望先获取资深开发者的见解。

以下是几个具体子问题作为探讨起点：

• 对于iterable类型，哪些容器与元素组合合法？无需实际测试，能否预测传入DataFrame列表或Series类型的Series会产生什么结果？Series输入按索引对齐时使用哪个轴？处理方式是否受元素类型影响？
• 传入data的容器及元素类型如何影响DataFrame的构建？仅通过data的信息能否预测结果DataFrame的轴对齐方式？相关规则未在文档中明确说明。
• 若将DataFrame视为“Series对象的类字典容器”（如文档所述），data被解释为对应键值对的直观规则是什么？

欢迎提出优化问题的建议，本人未在本站找到类似问题，认为该问题具有探讨价值。

内容的提问来源于stack exchange，提问作者Attila the Fun