别再为Python类型转换抓狂了：一个统一接口解决所有烦恼-优快云博客

如果你同时使用NumPy、PyTorch、TensorFlow、Pandas……你大概率经历过这样的场景：

NumPy数组要转成PyTorch张量？torch.from_numpy()。
PyTorch张量要转回NumPy？.cpu().numpy()（还得记得先移到CPU）。
Pandas DataFrame要转成NumPy？.values 或 .to_numpy()。
JAX数组要转成TensorFlow？嗯……得先转成NumPy，再转成TensorFlow。

每个库都有自己的“方言”，记忆负担极重，代码也变得又臭又长。更要命的是，当你在一个跨框架项目中频繁穿梭时，这种类型转换的“方言切换”会让你精疲力尽。

一个典型的多库项目

假设你正在做一个项目：用PyTorch训练模型，用TensorFlow Serving部署，中间用NumPy做数据预处理，最后用Pandas输出分析报告。代码大概会长这样：

import numpy as np
import torch
import tensorflow as tf
import pandas as pd

# 原始数据是NumPy数组
data = np.array([[1,2,3], [4,5,6]])

# 1. 转换为PyTorch张量进行训练
if isinstance(data, np.ndarray):
    torch_tensor = torch.from_numpy(data)
elif isinstance(data, torch.Tensor):
    torch_tensor = data
else:
    torch_tensor = torch.tensor(data)

# 训练后得到PyTorch张量 result_tensor

# 2. 部署时需要转成TensorFlow张量
if isinstance(result_tensor, torch.Tensor):
    # 先转NumPy，再转TensorFlow
    np_arr = result_tensor.cpu().numpy()
    tf_tensor = tf.convert_to_tensor(np_arr)
elif isinstance(result_tensor, tf.Tensor):
    tf_tensor = result_tensor
else:
    tf_tensor = tf.convert_to_tensor(result_tensor)

# 3. 最后用Pandas做报表
if isinstance(tf_tensor, tf.Tensor):
    np_arr = tf_tensor.numpy()
elif isinstance(tf_tensor, np.ndarray):
    np_arr = tf_tensor
else:
    np_arr = np.array(tf_tensor)
df = pd.DataFrame(np_arr)

短短几行逻辑，却充斥着各种条件判断和记忆碎片。每次写这种代码，我都忍不住想：Python 为什么没有一个统一的类型转换接口？

灵感：万物皆可转

有一天我突发奇想：Python 的内置转换函数（list()、str()、int()）那么简洁好用，为什么不能把它们扩展到所有类型？如果有一个库，能让你像调用内置函数一样，任意转换标准类型和第三方库类型，那该多好？

于是我动手写了 everything2everything（简称 e2e-type-converter）。它的核心理念很简单：

统一接口：无论你想转成 list、torch.Tensor 还是 pandas.DataFrame，都用同一套函数。
双向转换：任何类型之间都可以直接互转，不需要手动经过中间格式。
类型安全：转换失败时抛出明确错误，不会默默崩溃。
高性能：内置缓存，避免重复转换。

使用前后对比

来看看用上 everything2everything 之后，上面的代码会变成什么样子：

from everything2everything import TypeConverter
import numpy as np

data = np.array([[1,2,3], [4,5,6]])

# 1. 转换为PyTorch张量
torch_tensor = TypeConverter.convert(data, 'torch')

# 训练后得到 result_tensor...

# 2. 转换为TensorFlow张量
tf_tensor = TypeConverter.convert(result_tensor, 'tensorflow')

# 3. 转换为Pandas DataFrame
df = TypeConverter.convert(tf_tensor, 'pandas')

是的，就这么简单。无论输入是什么类型，无论目标是什么类型，都是一行代码搞定。再也不用记那些 .numpy()、.from_numpy()、.cpu() 的差异了。

核心功能一览

1. 通用转换方法 `convert(obj, target_type)`

支持的目标类型包括：'list'、'str'、'int'、'float'、'dict'、'set'、'tuple' 以及第三方库的 'numpy'、'torch'、'tensorflow'、'pandas'、'jax'、'xarray'、'cupy'、'scipy' 等。

2. 与内置函数兼容的便捷函数

如果你更喜欢函数式风格，可以直接用 e2e_list、e2e_str 等：

from everything2everything import e2e_list, e2e_str, e2e_int

e2e_list(123)          # [123]
e2e_str(None)          # ""
e2e_int("42")          # 42
e2e_list(np.array([1,2,3]))  # [1,2,3]