如何将CSV中字符串形式的Decimal列表还原为DataFrame真实列表？

方法一：结合ast.literal_eval与自定义解析函数 #

直接利用ast.literal_eval解析字符串形式的列表，同时传入Decimal命名空间让它识别Decimal类型：

from ast import literal_eval
from decimal import Decimal
import pandas as pd

def parse_decimal_list(s):
    # 安全解析字符串并还原Decimal列表
    return literal_eval(s, {'Decimal': Decimal})

# 读取CSV时指定目标列的转换器
df = pd.read_csv('your_data.csv', converters={'target_column': parse_decimal_list})

说明 #

• ast.literal_eval比原生eval更安全，仅解析合法的Python字面量与容器结构，避免执行恶意代码。
• 通过第二个参数传入{'Decimal': Decimal}，让解析器能识别字符串中的Decimal('x')语法，直接还原为Decimal对象。

方法二：正则提取数值后转Decimal #

如果字符串格式存在细微变动（如多余空格、符号差异），可以用正则提取所有数值字符串再转换：

import re
from decimal import Decimal
import pandas as pd

def parse_decimal_list(s):
    # 匹配所有Decimal('数值')格式的内容，提取数值部分
    num_matches = re.findall(r"Decimal\('([\d\.]+)'\)", s)
    return [Decimal(num) for num in num_matches]

df = pd.read_csv('your_data.csv', converters={'target_column': parse_decimal_list})

说明 #

• 正则表达式r"Decimal\('([\d\.]+)'\)"会精准匹配Decimal('x')或Decimal('x.y')格式的内容，提取其中的数值部分。
• 这种方法对字符串格式的容错性更强，适合处理非标准格式的输入。

可选优化：写入CSV时提前处理 #

如果可以控制写入环节，建议先将Decimal列表转为字符串列表再写入，后续读取更简便：

# 写入前转换
df['target_column'] = df['target_column'].apply(lambda lst: [str(num) for num in lst])
df.to_csv('your_data.csv', index=False)

# 读取时还原
df['target_column'] = df['target_column'].apply(lambda s: [Decimal(num) for num in literal_eval(s)])

内容的提问来源于stack exchange，提问作者Daniil