Pandas中Timestamp列表序列化后反序列化失败求助

问题分析 #

你遇到的核心问题是正则表达式匹配错误，以及extractall的用法不适合当前场景：

• 原正则仅匹配单个数字的年/月/日，无法覆盖YYYY-MM-DD格式的日期
• 未转义正则中的特殊字符（括号），导致匹配失效
• extractall返回的是结构化DataFrame，不如str.findall直接返回匹配列表便捷

解决方案 #

以下是修正后的代码步骤：

1. 导入依赖

import pandas as pd

2. 示例DataFrame

df = pd.DataFrame({'col':["[]", "[Timestamp('2018-04-24 00:00:00'), Timestamp('2018-05-14 00:00:00'), Timestamp('2018-05-14 00:00:00')]"]})

3. 提取日期字符串列表
   使用修正后的正则，通过str.findall批量提取每个单元格中的所有时间字符串：

df['time_list'] = df['col'].str.findall(r"Timestamp\('(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})'\)")

• 正则解释：Timestamp\('匹配固定前缀，(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})捕获完整的日期时间字符串，'\)匹配后缀

4. 转换为Timestamp列表
   用apply将字符串列表批量转为Timestamp对象列表：

df['time_list'] = df['time_list'].apply(lambda lst: [pd.to_datetime(t) for t in lst])

验证结果 #

print(df['time_list'][0])  # 输出：[]
print(df['time_list'][1])  # 输出：[Timestamp('2018-04-24 00:00:00'), Timestamp('2018-05-14 00:00:00'), Timestamp('2018-05-14 00:00:00')]

预防方案（避免后续踩坑） #

下次序列化DataFrame时，建议用JSON格式存储时间列表，避免正则匹配的麻烦：

• 存储时：

import json
df['col'] = df['col'].apply(lambda lst: json.dumps([t.isoformat() for t in lst]))
df.to_csv('data.csv', index=False)

• 读取时：

df = pd.read_csv('data.csv')
df['col'] = df['col'].apply(lambda s: [pd.to_datetime(t) for t in json.loads(s)])

内容的提问来源于stack exchange，提问作者Nicolas