Pandas to_csv将二维数组转为字符串的问题求助

CSV格式本身不支持直接存储数组类型，所以你用to_csv保存时，二维数组会被自动转为字符串格式。下面提供几种可行的解决办法：

方法1：读取时将字符串转回数组 #

利用Python的ast模块解析字符串格式的数组，把它还原为浮点型二维数组：

import ast
import pandas as pd

# 读取CSV文件
df = pd.read_csv('relevant_docs.csv')
# 将et列的字符串转成数组
df['et'] = df['et'].apply(ast.literal_eval)
# 同理处理ea列
df['ea'] = df['ea'].apply(ast.literal_eval)

如果数据中存在空值，可添加判断避免报错：

def str_to_array(s):
    if pd.isna(s):
        return None
    return ast.literal_eval(s)

df['et'] = df['et'].apply(str_to_array)

方法2：存储前将数组序列化为JSON字符串 #

在保存CSV前，先把数组列转为JSON格式的字符串，读取时再解析回数组：

import json
import pandas as pd

# 存储前序列化数组列
relevant_df['et'] = relevant_df['et'].apply(json.dumps)
relevant_df['ea'] = relevant_df['ea'].apply(json.dumps)
relevant_df.to_csv('relevant_docs.csv', index=False)

# 读取时解析JSON字符串
df = pd.read_csv('relevant_docs.csv')
df['et'] = df['et'].apply(json.loads)
df['ea'] = df['ea'].apply(json.loads)

方法3：用Pickle直接保存DataFrame（推荐） #

如果不需要CSV的可读性，Pickle可以完整保留DataFrame的所有数据类型（包括数组），无需额外转换：

import pandas as pd

# 保存为Pickle文件
relevant_df.to_pickle('relevant_docs.pkl')

# 读取Pickle文件
df = pd.read_pickle('relevant_docs.pkl')

内容的提问来源于stack exchange，提问作者abhishekkuber