如何避免Pandas保存DataFrame到Excel时将文本列表转为字符串

我来帮你搞定这个问题！你碰到的是Excel和Pandas类型不兼容的典型情况——Excel本身没有原生的列表类型，所以Pandas会自动把列表转成字符串存进去，等你读回来的时候自然就没法直接当列表用了。下面给你三种可行的方案，你可以根据自己的需求选：

核心思路是把列表转成Excel能识别的结构化字符串（比如JSON格式），加载时再转回到列表。

首先先复现你遇到的问题：

import pandas as pd

# 原始数据：包含列表的DataFrame
df = pd.DataFrame({
    'words': [['apple', 'banana'], ['cat', 'dog', 'elephant']]
})

# 存到Excel
df.to_excel('words_list.xlsx', index=False)

# 重新加载
loaded_df = pd.read_excel('words_list.xlsx')
print(type(loaded_df['words'][0]))  # 输出：<class 'str'>，不是预期的列表！

接下来是修正后的代码，用json模块做序列化/反序列化：

import pandas as pd
import json

# 存储时：把列表转成JSON字符串
df['words'] = df['words'].apply(json.dumps)
df.to_excel('words_list_fixed.xlsx', index=False)

# 加载时：把JSON字符串转回列表
loaded_df = pd.read_excel('words_list_fixed.xlsx')
loaded_df['words'] = loaded_df['words'].apply(json.loads)

print(type(loaded_df['words'][0]))  # 输出：<class 'list'>，符合预期！
print(loaded_df['words'][0])        # 输出：['apple', 'banana']

小提示：如果你的列表里没有特殊转义字符，也可以用ast.literal_eval代替json.loads，但JSON格式的兼容性更强，更推荐。

JSON天生支持列表、字典等结构化数据，读写速度快，而且是纯文本格式，用普通编辑器就能查看，适合跨场景共享数据。

如果是纯字典格式的数据：

import json

# 原始数据
data = {
    'words': [['apple', 'banana'], ['cat', 'dog', 'elephant']]
}

# 写入JSON文件
with open('words_data.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, ensure_ascii=False, indent=4)

# 加载JSON数据
with open('words_data.json', 'r', encoding='utf-8') as f:
    loaded_data = json.load(f)

print(type(loaded_data['words'][0]))  # <class 'list'>
print(loaded_data['words'][1])        # ['cat', 'dog', 'elephant']

如果要保留DataFrame格式，也可以用Pandas自带的JSON读写方法：

import pandas as pd

df = pd.DataFrame({'words': [['apple', 'banana'], ['cat', 'dog', 'elephant']]})

# 存为JSON
df.to_json('words_df.json', orient='records', force_ascii=False, indent=4)

# 加载回DataFrame
loaded_df = pd.read_json('words_df.json')
print(type(loaded_df['words'][0]))  # <class 'list'>

Pickle是Python原生的序列化工具，能直接保存几乎所有Python对象（包括DataFrame、列表），读写速度非常快，但它是二进制格式，只能用Python读取，不适合跨语言共享。

用原生Pickle模块：

import pandas as pd
import pickle

df = pd.DataFrame({'words': [['apple', 'banana'], ['cat', 'dog', 'elephant']]})

# 写入Pickle文件
with open('words_df.pkl', 'wb') as f:
    pickle.dump(df, f)

# 加载Pickle文件
with open('words_df.pkl', 'rb') as f:
    loaded_df = pickle.load(f)

print(type(loaded_df['words'][0]))  # <class 'list'>
print(loaded_df['words'][0])        # ['apple', 'banana']

Pandas也有更简便的封装方法：

df.to_pickle('words_df.pkl')
loaded_df = pd.read_pickle('words_df.pkl')

方案选择建议 #

• 必须用Excel：选方案一，序列化后存储；
• 需要跨语言或可读性：选方案二，JSON；
• 追求速度和Python内便捷性：选方案三，Pickle。

内容的提问来源于stack exchange，提问作者DanielNg