list、tuple、dict、set这4个是python的基本数据结构,其他几个不是, 是根据需要自己定义的数据结构.
1、列表list和元组tuple之间的差异
list列表和tuple元组的“技术差异”是，list列表是可变的，而tuple元组是不可变的。这是在 Python 语言中二者唯一的差别。（所以tuple大多数情况比list快）
2、dict和set之间的差异呢？
我这样理解，dict是键不重复的键值对集合，set是元素的集合
d ict= {
'Adam': 95,
'Lisa': 85,
'Bart': 59
}
set = ['Adam'，'Lisa'，'Bart']
3、list和set之间的差异呢？
List的特点：元素有放入顺序，Set特点：元素无放入顺序，元素不可重复。
更多：
Set重复元素会覆盖掉（注意：元素虽然没有放入顺序，但是元素在set中的位置是有该元素的hashcode决定的，其位置其实是固定的，加入set的Object必须定义equals()方法，另外list支持for循环，也就是通过下标来进行遍历，也可以用迭代器，但是set只能迭代，因为它是无序的，无法用下标来取得想要的值）。
Set和List的读写性能对比
Set:检索元素效率低下，删除和插入效率高，插入和删除不会引起元素位置变化。
List：和数组类似，List可以动态增长，查找元素效率高，插入删除元素效率低，因为会引起其他元素位置改变。
set转成list方法如下： list转成set方法如下：
s = set('12342212') l = ['12342212']
print s # set(['1', '3', '2', '4']) s = set(l[0])
l = list(s) print s # set(['1', '3', '2', '4'])
l.sort() # 排序 m = ['11','22','33','44','11','22']
print l # ['1', '2', '3', '4'] print set(m) # set(['11', '33', '44', '22'])
可见set和lsit可以自由转换，在删除list中多个/海量重复元素时，可以先转换成set，然后再转回list并排序(set没有排序)。此种方法不仅方便且效率较高。
https://www.linuxidc.com/Linux/2012-07/66404.htm
4、dict和dataframe之间的差异呢？
dataframe 具有行索引和列索引 如：
df=
dict是一个键值对集合：
dict = {'Name': 'Zara', 'Age': 7}
相互转换：
In [6]:
df=pd.DataFrame({'key':['a','b','c'],'data1':[1,2,3],'data2':[4,5,6]})
print(df)
key data1 data2
0 a 1 4
1 b 2 5
2 c 3 6
In [7]:
dict2 = df.to_dict()
print(dict2)
{'key': {0: 'a', 1: 'b', 2: 'c'}, 'data1': {0: 1, 1: 2, 2: 3}, 'data2': {0: 4, 1: 5, 2: 6}}
转成以列的key为键，以存储列的值的list为值的dict
In [8]:
{col:df[col].tolist() for col in df.columns}
Out[8]:
{'key': ['a', 'b', 'c'], 'data1': [1, 2, 3], 'data2': [4, 5, 6]}
https://blog.csdn.net/mooncrystal123/article/details/84334611
dateframe的处理：https://blog.csdn.net/xieyan0811/article/details/78834870
5、list和array之间的差异呢？
list 是列表,可以通过索引查找数值，但是不能对整个列表进行数值运算
array是数组,可以通过索引值查找值，能对整个数组进行数值运算
In [96]: b=[1,2]
In [99]: b+b
Out[99]: [1, 2, 1, 2]
array是数组，也可以通过索引值查找数据，但是能对整个数组进行数值运算
In [100]: a=np.array([1,2])
In [103]: a+a
Out[103]: array([2, 4])
6、list和series之间的差异呢？
series 可以看成是多了元素索引的list。
import pandas as pd
list_a = [2,4,5,6]
pd.Series(list_a)
Out[14]:
0 2
1 4
2 5
3 6
dtype: int64
In [11]: pd.Series({'a':1,'b':3},index = ['b','a','c'])
Out[11]:
b 3.0
a 1.0
c NaN
dtype: float64https://blog.csdn.net/brucewong0516/article/details/79196902
7、ndarray和darray差异？
暂时没有找到答案。