将NumPy数组存入Pandas DataFrame单元格是否合理？存用会遇哪些问题？

先看示例代码，创建包含NumPy数组列的DataFrame：

import numpy as np
import pandas as pd
d = {'col1': [11, 12], 'col2': [np.array([1.2,2.3,3.4]),np.array([4,5,6])]}
df = pd.DataFrame(data=d)

输出结果：

col1             col2
0    11  [1.2, 2.3, 3.4]
1    12        [4, 5, 6]

是否应当采用这种方式？ #

不建议在常规数据分析场景下这么做，除非是临时存储少量嵌套数组且无需后续复杂处理的小众需求。这种设计会带来诸多问题：

• 丧失Pandas向量化优势：Pandas的核心价值是基于列的高效向量化运算，把数组存在单元格后，所有针对col2的操作都只能循环遍历每个单元格，完全发挥不出原生运算的效率，数据量越大速度差距越明显。
• 数据处理极度繁琐：Pandas绝大多数内置函数（如聚合、分组、映射等）都无法直接处理嵌套数组。比如想计算col2中所有数组的均值，得手动写循环或自定义函数逐个处理，代码冗余且易出错。
• 内存浪费严重：每个单元格的NumPy数组都是独立对象，会产生大量额外内存开销，Pandas也无法对这类列做内存优化（比如压缩数据类型），数据量较大时内存占用会急剧上升。
• 持久化与兼容性问题：将这类DataFrame存储为CSV、Excel等常规格式时，数组会被转为字符串格式，后续读取需要手动解析，极易出现格式错误；即便用Pickle序列化，也存在版本兼容风险，且完全不具备可读性。
• 索引与切片操作受限：无法直接对嵌套数组的元素进行批量索引（比如提取所有行col2的第二个元素），必须通过循环或列表推导实现，代码复杂度大幅提升。

内容的提问来源于stack exchange，提问作者deadshot 306