使用eval转换含numpy数组的字典字符串时触发NameError求助

问题原因 #

CSV存储时会将字典转为字符串，但numpy array的字符串表示是array([...])，而eval执行时默认命名空间里没有array这个名称（它是numpy.array的简写），所以触发NameError。

解决方法 #

方法1：给eval补充命名空间 #

直接在eval的全局参数中指定array对应numpy.array，让eval能识别这个名称：

import numpy as np

# 假设从CSV读取到的损坏字符串是这个
dict_str = "{'values': array([1, 3, 5]), 'label': 'sample'}"
restored_dict = eval(dict_str, {'array': np.array})

方法2：替换字符串后再解析（更安全的预处理） #

先把字符串里的array(替换为np.array(，再结合命名空间解析，同时用正则精准避免误替换：

import numpy as np
import re

dict_str = "{'values': array([1, 3, 5]), 'label': 'sample'}"
# 匹配独立的array关键字并替换
processed_str = re.sub(r'\barray\(', 'np.array(', dict_str)
restored_dict = eval(processed_str, {'np': np})

注：ast.literal_eval虽然比eval安全，但它只支持Python内置字面量类型，无法识别函数调用，所以这种场景下还是需要用eval，通过限制命名空间降低风险。

方法3：从根源优化存储方式（推荐） #

避免直接把字典存为字符串，改用JSON序列化（需先将numpy array转为列表），彻底避免解析问题：

保存时：

import json
import numpy as np
import pandas as pd

original_dict = {'values': np.array([1, 3, 5]), 'label': 'sample'}
# 将numpy数组转为可序列化的列表
serializable_dict = {
    k: v.tolist() if isinstance(v, np.ndarray) else v 
    for k, v in original_dict.items()
}
# 转为JSON字符串
json_str = json.dumps(serializable_dict)
# 写入CSV
pd.DataFrame({'data_col': [json_str]}).to_csv('saved_data.csv', index=False)

读取时：

import json
import numpy as np
import pandas as pd

df = pd.read_csv('saved_data.csv')
# 解析JSON字符串
restored_dict = json.loads(df['data_col'][0])
# 将列表转回numpy数组
restored_dict['values'] = np.array(restored_dict['values'])

内容的提问来源于stack exchange，提问作者Nitsan