pandas读写CSV文件时如何避免嵌套列表出现多余双引号

CSV是纯文本存储格式，本身不支持列表、字典这类复合Python数据类型。调用df.to_csv()写入时，pandas会自动将user列的列表对象强制转为字符串写入文件；后续用默认参数调用pd.read_csv()读取时，pandas会把该列识别为普通字符串类型，不会自动把字符串形式的列表还原为原生列表对象，最终读取到的就是带字符串标识的内容，和原始列表结构不一致。

• 读取CSV时增加类型转换逻辑
  不需要修改写入逻辑，读取时通过converters参数指定对应列的转换规则，用标准库ast的literal_eval方法安全将字符串格式的Python字面量还原为原生列表：

  import pandas as pd
  import ast
  
  # 读取时直接转换user列类型
  df = pd.read_csv('users.csv', converters={'user': ast.literal_eval})
  
  # 验证结果
  print(df['user'].to_list())
  # 输出：[['mary', 'jane'], ['alex', 'andrew']]
  

  该方法可以在保留CSV存储格式的前提下，还原原始数据结构。
• 更换为支持原生类型序列化的存储格式（推荐）
  如果没有强制使用CSV的需求，优先选择parquet、pickle等pandas原生支持的存储格式，读写过程不会丢失任何数据类型信息，不需要额外写转换逻辑：

  # 以parquet格式为例（需要提前安装pyarrow或fastparquet依赖）
  df.to_parquet('users.parquet')
  df = pd.read_parquet('users.parquet')
  
  # 以pickle格式为例（Python原生支持，不需要额外依赖）
  df.to_pickle('users.pkl')
  df = pd.read_pickle('users.pkl')
  

  该方式读写后的DataFrame和原始对象结构、类型完全一致，不会出现类型转换异常。
• 写入前拆分列表列（非必要不推荐）
  如果必须使用纯CSV格式且不想在读取时加转换逻辑，可以在写入前将列表列拆分为多列存储，但会改变原始表结构，仅适合特定业务场景使用。

内容的提问来源于stack exchange，提问作者nerd