如何将DataFrame中Unicode格式的元组列表转为可迭代格式？

我用这段代码处理pandas DataFrame的某列：

def langprob(lid_set): 
    print(lid_set, type(lid_set)) 
    return 
df['ls']= df.apply(lambda row: langprob(row['lid']), axis=1)

运行后得到的输出是：

[(fi, 0.8201195597648621, 90), (fy, 0.627633810043335, 4)], <type 'unicode'>

我希望逐个迭代处理列表内的元组，但不知道怎么把这个Unicode格式的元组列表转为可迭代对象，已经参考了两篇Stack Overflow回答但帮助不大。

你遇到的核心问题是：row['lid']的值并不是真正的Python列表/元组对象，而是一个Unicode字符串——它看起来像列表元组，但本质是字符串类型，所以直接迭代会报错或者不符合预期。

解决这个问题最安全可靠的方法是用Python标准库中的ast.literal_eval()，它可以把字符串形式的Python字面量（比如列表、元组、字典）解析成真实的Python对象，而且比eval()更安全（不会执行字符串中的恶意代码）。

修改后的代码示例 #

import ast
import pandas as pd

def langprob(lid_str):
    # 把Unicode字符串解析为实际的列表对象
    lid_list = ast.literal_eval(lid_str)
    print(lid_list, type(lid_list))  # 现在type会显示<type 'list'>
    
    # 现在可以正常迭代每个元组了
    for lang_tuple in lid_list:
        lang_code, probability, count = lang_tuple
        # 这里写你需要的处理逻辑，比如打印、计算、存储结果等
        print(f"处理语言：{lang_code}，概率：{probability:.4f}")
    
    # 示例：返回第一个元组的概率作为新列的值
    return lid_list[0][1]

# 应用到DataFrame的列
df['ls'] = df.apply(lambda row: langprob(row['lid']), axis=1)

关键说明 #

1. 为什么用ast.literal_eval()？

   • 它专门针对Python字面量结构做解析，不会执行字符串中的任何代码，避免了eval()带来的安全风险。
   • 完美适配你这种"看起来像列表元组的字符串"场景，能准确还原出可迭代的列表对象。

2. 处理后的操作
   解析完成后，lid_list就是标准的Python列表，里面的每个元素都是元组，你可以像操作普通列表元组一样循环、索引、解构，完全满足你的迭代需求。

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