如何导入元素为Numpy数组格式的CSV并转换为三维Numpy数组？

问题场景 #

多款软件包兼容性不足时，导出的CSV文件会存储类Numpy数组格式的内容，使用genfromtxt('Input.csv',delimiter=',',dtype=None,encoding=None)读取后会得到字符串组成的二维数组，示例结构：

[['[4 3 2 1]' '[1 1 0 0]']
 ['[1 3 4 2]' '[0 1 1 0]']]

需要将该字符串数组转换为数值类型的三维Numpy数组，目标结构：

[[[4 3 2 1] [1 1 0 0]]
 [[1 3 4 2] [0 1 1 0]]]

实现代码 #

方法1：基础字符串处理（适合格式规范的文件） #

逻辑简单无额外依赖，小数据量场景下直接可用：

import numpy as np

# 读取文件得到字符串二维数组
arr_str = np.genfromtxt('Input.csv', delimiter=',', dtype=None, encoding=None)

# 逐元素去除方括号、拆分空格分隔的数字转整型，自动重构三维维度
arr_3d = np.array([
    [list(map(int, cell.strip('[]').split())) for cell in row]
    for row in arr_str
])

方法2：正则提取（适配格式杂乱的文件） #

如果CSV中存在多余空格、换行、特殊符号等格式问题，用正则提取数字容错性更高：

import numpy as np
import re

arr_str = np.genfromtxt('Input.csv', delimiter=',', dtype=None, encoding=None)

# 正则匹配单元格内所有数字，忽略无关符号
arr_3d = np.array([
    [list(map(int, re.findall(r'\d+', cell))) for cell in row]
    for row in arr_str
])

方法3：向量化操作（适合大数据量文件） #

用Numpy内置的字符串向量化操作替代Python层循环，处理万行以上大文件时效率提升明显：

import numpy as np

arr_str = np.genfromtxt('Input.csv', delimiter=',', dtype=None, encoding=None)

# 批量去除方括号、统一空格分隔格式
cleaned_arr = np.char.replace(np.char.strip(arr_str, '[]'), '  ', ' ')
# 扁平化后批量转数值，再按原二维数组的维度重构为三维数组
arr_3d = np.array(
    [np.fromstring(cell, sep=' ', dtype=int) for cell in cleaned_arr.flatten()]
).reshape(*arr_str.shape, -1)

结果校验 #

处理完成后可通过两个简单操作确认结果正确：

• 执行print(arr_3d.shape)，示例数据会输出(2, 2, 4)，对应三维数组结构
• 执行print(arr_3d.dtype)，会输出整型类型（如int32/int64），确认已从字符串转为数值类型

内容的提问来源于stack exchange，提问作者econra2017