如何从Flask视图函数返回DataFrame至Python请求端

由于Flask无法直接返回pandas DataFrame对象，我们需要先将DataFrame序列化为可通过HTTP传输的格式，再在接收端反序列化为DataFrame。以下是几种可行的实现方式：

方法一：使用JSON格式（推荐，安全且通用） #

JSON是跨语言通用的序列化格式，适合大多数场景，且能较好保留DataFrame的结构信息。

Flask应用2的视图函数 #

from flask import Flask, Response
import pandas as pd

app = Flask(__name__)

@app.route('/api/get-dataframe', methods=['POST'])
def send_dataframe():
    # 示例：生成你的DataFrame（替换为实际业务逻辑）
    df = pd.DataFrame({
        'id': [1, 2, 3],
        'name': ['Alice', 'Bob', 'Charlie'],
        'score': [85.5, 92.0, 78.3]
    })
    
    # 将DataFrame转为JSON字符串，使用'split'格式保留列、索引和数据结构
    df_json = df.to_json(orient='split')
    
    # 返回JSON响应，设置正确的Content-Type
    return Response(df_json, mimetype='application/json')

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

Python应用1的调用代码 #

import requests
import pandas as pd

url = 'http://localhost:5000/api/get-dataframe'
myobj = {'request_param': 'some_value'}  # 你的请求参数

# 发送POST请求
ret = requests.post(url, json=myobj)
# 解析JSON字符串为DataFrame，注意orient参数要和发送端一致
received_df = pd.read_json(ret.text, orient='split')

# 验证结果
print(received_df)

方法二：使用Pickle格式（仅适用于信任的内部服务） #

Pickle是Python特有的序列化格式，能完整保留DataFrame的所有信息，但存在安全风险（可能执行恶意代码），仅适合完全信任的内部系统间通信。

Flask应用2的视图函数 #

from flask import Flask, Response
import pandas as pd
import pickle

app = Flask(__name__)

@app.route('/api/get-dataframe-pickle', methods=['POST'])
def send_dataframe_pickle():
    df = pd.DataFrame({
        'id': [1, 2, 3],
        'name': ['Alice', 'Bob', 'Charlie'],
        'score': [85.5, 92.0, 78.3]
    })
    
    # 将DataFrame序列化为pickle字节流
    df_pickle = pickle.dumps(df)
    
    # 返回二进制响应
    return Response(df_pickle, mimetype='application/octet-stream')

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

Python应用1的调用代码 #

import requests
import pickle

url = 'http://localhost:5000/api/get-dataframe-pickle'
myobj = {'request_param': 'some_value'}

ret = requests.post(url, json=myobj)
# 反序列化pickle字节流为DataFrame
received_df = pickle.loads(ret.content)

print(received_df)

注意事项 #

• 若使用JSON格式，orient参数需在发送和接收端保持一致（常用的有split、records、index等，根据需求选择）。
• Pickle格式禁止用于处理不可信来源的请求，避免代码注入风险。
• 若DataFrame包含特殊数据类型（如datetime），JSON格式需要额外处理（可使用date_format='iso'参数），而Pickle会自动保留类型信息。

内容的提问来源于stack exchange，提问作者questp