如何保存与导出Pandas DataFrame的dtypes信息？

这里有几个实用的方法来解决你遇到的序列化问题，既能把dtypes信息保存到本地，又能在其他环境中轻松恢复：

方法1：字符串字典+JSON（最简洁通用） #

核心思路是把dtype对象转换成可序列化的字符串，保存后再还原回dtype实例，这是最推荐的方案：

import pandas as pd
import json

# 保存dtypes信息
dtypes_str_dict = df.dtypes.astype(str).to_dict()
with open('data_dtypes.json', 'w', encoding='utf-8') as f:
    json.dump(dtypes_str_dict, f, indent=2)

# 在其他环境中恢复dtypes
with open('data_dtypes.json', 'r', encoding='utf-8') as f:
    saved_dtypes = json.load(f)
# 将字符串转回pandas dtype对象
restored_dtypes = {col: pd.dtype(dt) for col, dt in saved_dtypes.items()}

为什么这个方法可行？ #

你之前尝试的df.dtypes.to_dict()返回的是包含dtype实例的字典，这类对象无法直接JSON序列化；而转换成字符串后，不仅能完美序列化，恢复时用pd.dtype()就能轻松转回原生类型，对绝大多数常用类型（object/int64/float64/datetime64等）都有效。

方法2：CSV文件（适合人工查看） #

如果需要更直观的可读格式，方便人工核对列名和类型，可以保存为CSV：

# 保存为CSV
dtypes_df = df.dtypes.reset_index()
dtypes_df.columns = ['column_name', 'data_type']
dtypes_df.to_csv('data_dtypes.csv', index=False)

# 恢复dtypes
saved_dtypes_df = pd.read_csv('data_dtypes.csv')
restored_dtypes = dict(zip(
    saved_dtypes_df['column_name'],
    saved_dtypes_df['data_type'].apply(pd.dtype)
))

方法3：Pickle二进制序列化（不推荐但可行） #

如果不在乎文件可读性，且只在同环境/同Python版本间传输，可以直接用pickle序列化整个dtypes对象：

import pickle

# 保存
with open('data_dtypes.pkl', 'wb') as f:
    pickle.dump(df.dtypes, f)

# 恢复
with open('data_dtypes.pkl', 'rb') as f:
    restored_dtypes = pickle.load(f)

注意事项 #

• Pickle文件是二进制格式，无法直接编辑查看，且跨版本/跨环境可能存在兼容性问题，所以优先推荐前两种方法。
• 你之前尝试的df.dtypes.to_json()会保存dtype的内部结构细节，冗余且恢复成本高，完全没必要使用。

内容的提问来源于stack exchange，提问作者Nikhil VJ