这涉及面向列的数据库与面向行的数据库。您的第一个示例是面向行的数据结构，第二个示例是面向列。在Python的特定情况下，使用slot可以使前者的效率显着提高，从而不必为每一行重复列的字典。
哪种形式效果更好，很大程度上取决于您对数据的处理方式。例如，如果您只访问任何行的所有行，则面向行是自然的。同时，面向列可以更好地利用缓存，例如在按特定字段进行搜索时（在Python中，可以通过大量使用引用来减少这种情况；数组类型可以优化这种情况）。传统的面向行的数据库经常使用面向列的排序索引来加快查找速度，并且了解了这些技术之后，您可以使用键值存储实现任何组合。
Pandas确实将两个示例都转换为相同格式，但是对于面向行的结构而言，转换本身的成本更高，这仅仅是因为必须阅读每个单独的字典。所有这些成本可能都是微不足道的。
第三个选项在您的示例中不明显：在这种情况下，您只有两列，其中一列是从0连续的整数ID。可以按条目本身的顺序存储，这意味着整个结构会在您呼叫的列表中找到
users2['name'];
但值得注意的是，没有位置的条目是不完整的。该列表使用enumerate（）转换为行。数据库通常也有这种特殊情况（例如，sqlite
rowid）。
通常，从使代码保持敏感的数据结构开始，并且仅在知道用例并且存在可衡量的性能问题时进行优化。诸如Pandas之类的工具可能意味着大多数项目都可以正常运行而无需微调。
