Pandas读取CSV时如何将元组格式字符串正确解析为元组列表

chans列解析异常并非单引号被主动移除。核心问题是读取出的原始列值是逗号分隔的多个元组片段，缺少包裹所有元素的外层列表边界：直接读取得到的字符串格式为('CHI', 'BHZ'), ('S14K', 'BHZ')，不是完整合法的Python列表字面量，直接传入解析接口时会触发异常的标识符识别逻辑，把本应是字符串的内容判定为变量名。

不需要手动拆分拼接字符串，只需要在解析阶段给原始值补全外层方括号，再用标准库ast.literal_eval做安全的字面量转换即可，解析结果完全符合元组列表的预期，性能和稳定性远高于自定义字符串处理逻辑。

读取阶段直接转换 #

在pd.read_csv的converters参数中定义转换逻辑，读文件时一步完成解析：

import ast
import pandas as pd

df = pd.read_csv(
    dfile,
    converters={
        "chans": lambda val: ast.literal_eval(f"[{val}]")
    }
)

解析后的chans列输出如下：

0    [('CHI', 'BHZ'), ('S14K', 'BHZ')]
1    [('FALS', 'BHZ'), ('SDPT', 'BHZ')]
Name: chans, dtype: object

已读入数据的批量转换 #

如果已经完成文件读取，没有在加载阶段配置转换器，直接对列做批量处理即可：

df["chans"] = df["chans"].apply(lambda val: ast.literal_eval(f"[{val}]"))

• 优先使用标准库ast.literal_eval做这类字面量解析，不要用pd.eval。pd.eval是为pandas表达式运算设计的接口，对纯结构化字面量的解析可靠性更低，还会产生额外性能开销。
• 该方案完全保留原始字符串内容，不会出现引号丢失、字符串被识别为变量的问题，只要列内格式和给出的样例一致，就能稳定解析。

内容的提问来源于stack exchange，提问作者Glenn N