metaknowledge怎么把csv文件的内容转换成RecordCollection格式

MetaKnowledge是一个用于知识图谱处理的工具包，它通常与DGL（Deep Graph Library）一起使用。将CSV文件内容转换成MetaKnowledge的RecordCollection格式，首先需要了解CSV数据结构和RecordCollection的设计。

CSV文件通常包含行和列的数据，每一行代表一条记录，而列则是属性值对。转换步骤如下：

1. **读取CSV**: 使用Python内置库如pandas读取CSV文件，生成DataFrame格式的数据。

import pandas as pd
df = pd.read_csv('your_file.csv')

2. **解析数据**: 确保数据结构适合MetaKnowledge的需求，例如每条记录可能是字典形式，其中键是属性名，值是属性值。

records = df.to_dict(orient='records')  # 将DataFrame转换为列表的字典

3. **创建RecordCollection**: 将上述字典列表传递给MetaKnowledge的`RecordCollection`构造函数，创建一个RecordCollection对象。

from metaknowledge import RecordCollection
rc = RecordCollection(records)

**相关问题--:**
1. MetaKnowledge支持哪些常见的数据格式转换？
2. 如何在MetaKnowledge中添加新的Record到RecordCollection？
3. 如果CSV文件的字段结构与RecordCollection预期不符，如何调整？