shape为(1200,2)的object类型numpy数组存CSV遇阻求助

首先得明确：你的数组是嵌套了二维uint8数组和列表的object类型数组，这种复杂结构本来就不适合用CSV直接存储——CSV是为扁平的表格数据设计的，而np.savetxt和默认的pandas.to_csv都没法直接处理这种嵌套结构，这就是你遇到问题的核心原因。

为什么两种方法都失败？ #

• np.savetxt报错：这个函数是为数值型数组设计的，默认会用科学计数法格式符（%.18e）来格式化每个元素，但你的元素是嵌套数组和列表，根本没法转成单个数值，所以直接抛出类型不匹配的错误。
• pandas存后读格式异常：to_csv会把所有非基本类型的元素转成字符串保存（比如把二维数组转成类似[[30,29,...]]的字符串），读取时这些字符串会被原样读回来，而不是自动还原成数组/列表，所以会出现数字无逗号、列表换行的混乱情况。

解决方案 #

方案1：优先用二进制格式存储（推荐） #

如果不需要用文本编辑器查看数据，只是为了保存后能正确还原，直接用numpy或pickle的二进制存储方式，这是最省心的：

用numpy的save/load

# 保存
np.save('my_complex_array.npy', arr)

# 加载
loaded_arr = np.load('my_complex_array.npy', allow_pickle=True)

加载后的数组和原数组完全一致，包括嵌套的结构和数据类型。

用pickle

import pickle

# 保存
with open('my_data.pkl', 'wb') as f:
    pickle.dump(arr, f)

# 加载
with open('my_data.pkl', 'rb') as f:
    loaded_data = pickle.load(f)

pickle支持几乎所有Python对象的序列化，同样能完美还原你的数据。

方案2：一定要存成CSV？先序列化嵌套结构 #

如果必须用CSV格式（比如要和其他非Python工具交互），需要先把嵌套的数组和列表序列化成标准字符串（比如JSON），读取时再反序列化回来：

import pandas as pd
import json
import numpy as np

# 第一步：把嵌套结构转成JSON字符串
df = pd.DataFrame(arr)
# 把二维uint8数组转成列表再转JSON
df[0] = df[0].apply(lambda x: json.dumps(x.tolist()))
# 把列表直接转JSON
df[1] = df[1].apply(json.dumps)

# 保存到CSV
df.to_csv('my_data.csv', index=False)

# 第二步：读取时还原结构
loaded_df = pd.read_csv('my_data.csv')
# 把JSON字符串转回二维uint8数组
loaded_df[0] = loaded_df[0].apply(lambda x: np.array(json.loads(x), dtype=np.uint8))
# 把JSON字符串转回列表
loaded_df[1] = loaded_df[1].apply(json.loads)

# 还原成原numpy数组格式
loaded_arr = loaded_df.to_numpy(dtype=object)

这样处理后，读取的数据就能和原数据结构完全一致了。

总结 #

CSV不是存储复杂嵌套数据的最佳选择，除非有硬性要求，否则优先用二进制格式（npy/pickle），既高效又不会有格式转换的麻烦。

内容的提问来源于stack exchange，提问作者jundo