如何在Pandas中将CSV读取的字符串列转换为数值列表？

这个问题我之前也碰到过！核心原因是你从CSV读进来的LABELS列是字符串类型，虽然看起来像元组，但本质就是一串文本，所以直接用list(x)会把字符串拆成单个字符，完全不是你想要的数值列表。

给你两个实用的解决方法，按需选择：

方法1：用ast.literal_eval解析（推荐，安全通用） #

Python的ast模块里的literal_eval可以安全地把字符串形式的Python字面量（比如元组、列表、字典）转换成真正的Python对象，比直接用eval安全得多（不会执行恶意代码）。

代码示例：

import ast
import pandas as pd

# 假设你的DataFrame是df
df['LABELS'] = df['LABELS'].apply(lambda x: list(ast.literal_eval(x)))

原理很简单：ast.literal_eval(x)先把类似"(1.0,2.0,...)"的字符串转换成真正的元组，再用list()转成数值列表，完美得到你要的结果。

方法2：纯字符串处理（轻量，适合格式固定的场景） #

如果你的LABELS字符串格式非常规范（比如首尾一定是()，里面都是用逗号分隔的数字），也可以直接用字符串操作来解析，不用额外导入模块：

df['LABELS'] = df['LABELS'].apply(lambda x: [float(num.strip()) for num in x.strip('()').split(',')])

拆解一下步骤：

1. x.strip('()')：去掉字符串首尾的括号，得到类似"1.0,2.0,2.0,..."的文本
2. .split(',')：按逗号分割成单个数字字符串的列表，比如["1.0", "2.0", ...]
3. 遍历每个元素，用num.strip()去掉可能的空格，再转成float，最后组成列表

额外提示：处理脏数据 #

如果你的CSV里可能存在格式错误的行（比如某个LABELS不是标准的元组格式），可以加个异常处理，避免整个代码崩溃：

import ast

def safe_convert(s):
    try:
        return list(ast.literal_eval(s))
    except (SyntaxError, ValueError):
        return []  # 或者返回pd.NA，根据你的需求处理空值

df['LABELS'] = df['LABELS'].apply(safe_convert)

这样就能轻松把字符串形式的"元组"转换成数值列表啦！

内容的提问来源于stack exchange，提问作者Guido Muscioni