保存到csv并重新加载数据框pandas后，元组为什么会变成字符串？

问题描述

import pandas as pd
from random import random
from collections import namedtuple

Smoker    = namedtuple("Smoker",["Female","Male"])
Nonsmoker = namedtuple("Nonsmoker","Male"])

DF = dict() 
DF["A"] = [(Smoker(random(),random()),Nonsmoker(random(),random())) for t in range(3)]
DF["B"] = [(Smoker(random(),random())) for t in range(3)]
DF = pd.DataFrame(DF,index=["t="+str(t+1) for t in range(3)])

我有这个数据框，其每个单元格都是两个命名元组的元组。将其保存到csv文件并重新加载后，打印出的内容看起来相同，但是每个单元格都变成了 string 。它怎么发生的？每次获取相同的数据框该怎么办？

DF.to_csv("results.csv",index_label=False)
df = pd.read_csv('results.csv',index_col=0)

print(df)

for a,b in zip(df.A,df.B):
    print(type(a),type(b))

解决方法

我相信这是预期的行为。由于csv是基于文本的，因此将object dtype保存到csv时，自然的方法是使用字符串表示形式。因此tuple((1,2))变成"(1,2)"。

现在，当您读回csv文件时，解释"(1,2)"的自然而安全的方法当然是字符串'(1,2)'，因为Pandas没有解析元组的引擎，有价值的列。

TLDR ，这是正常现象和预期行为。如果要使用object dtype保存和加载数据，则应使用二进制格式，例如to_pickle和from_pickle方法。

,

在读取csv时获取元组的一种方法是使用converters

例如：

import ast

df = pd.read_csv('results.csv',index_col=0,converters={"A": ast.literal_eval,"B": ast.literal_eval})