如何使用Pandas正确保存与读取不同尺寸的数值矩阵

CSV本质是纯文本表格格式，无法原生存储多维数组结构，直接用pd.to_csv保存时，Pandas会自动把numpy ndarray转成字符串存储，读取后自然无法直接还原为数值矩阵。以下是两种可行的解决方法：

方案1：使用Pickle直接序列化（最简便） #

Pickle可以直接序列化Python对象（包括numpy ndarray），完美保留原数据结构，无需额外处理：

import numpy as np
import pandas as pd

# 生成数据
L = []
for Dim in range(3,10):
    L.append(np.random.randint(1,10, (Dim,Dim)))
    
df = pd.DataFrame(L)

# 保存为pickle文件
df.to_pickle('matrices.pkl')

# 读取文件，直接恢复原ndarray结构
df_read = pd.read_pickle('matrices.pkl')
# 验证：df_read.iloc[0][0] 为numpy.ndarray类型

方案2：强制用CSV存储（需手动序列化/反序列化） #

如果必须使用CSV格式，可以把每个矩阵转成JSON字符串存储，读取时再解析回ndarray：

import numpy as np
import pandas as pd
import json

# 生成数据
L = []
for Dim in range(3,10):
    L.append(np.random.randint(1,10, (Dim,Dim)))
    
df = pd.DataFrame(L)

# 将矩阵转为可解析的JSON字符串
df_json = df.applymap(lambda mat: json.dumps(mat.tolist()))
# 保存为CSV
df_json.to_csv('matrices.csv', index=False)

# 读取CSV并解析回ndarray
df_read = pd.read_csv('matrices.csv')
df_read = df_read.applymap(lambda s: np.array(json.loads(s)))
# 验证：df_read.iloc[0][0] 为numpy.ndarray类型

补充说明 #

直接用pd.to_csv无法解决这个问题，不是参数设置的问题——CSV格式本身只能存储扁平的文本/数值，不支持多维数组的结构存储，必须通过序列化转换为文本格式才能保存，读取时再反向解析。

内容的提问来源于stack exchange，提问作者Artashes