Dataframe 如何在写入到"；之后恢复数组{Tuple{Int64，Int64}，1}的原始数据类型；。csv"；-朱莉娅

我有一个元组列表，我正在将其写入一个文件，以便另一个文件可以读入该列表进行后处理。如果它有助于在图形中创建一个循环列表，那么每个循环本身就是一个元组列表。我将此列表称为循环基础

目前我是这样写的：

df = DataFrame()
df.Path = cycle_basis
df.Size = cycle_size
CSV.write("cycle_basis.csv",df)

cycle_size只是一个整数，表示每个循环中的边数。我可以看到它存储在CSV中，如下所示（为了这篇文章，在一个超小的图形上运行，通常文件会更长）：

我已尝试按如下方式将每个字符串转换回其原始数据类型：

convert（数组{Tuple{Int64，Int64}，1}，cycle.Path[1]）

，但这只会导致以下错误：

    ERROR: MethodError: Cannot `convert` an object of type String to an object of type                                  Array{Tuple{Int64,Int64},1}
Closest candidates are:
  convert(::Type{Array{S,N}}, ::PooledArrays.PooledArray{T,R,N,RA} where RA) where {S, T, R, N} at /home/charper/.julia/packages/PooledArrays/yiLq3/src/PooledArrays.jl:294
  convert(::Type{T}, ::AbstractArray) where T<:Array at array.jl:533
  convert(::Type{T}, ::T) where T<:AbstractArray at abstractarray.jl:14
  ...
Stacktrace:
 [1] top-level scope at none:0

ERROR:MethodError:无法将String类型的对象“转换”为Array类型的对象{Tuple{Int64，Int64}，1}
最接近的候选人是：
转换（：：Type{Array{S，N}}，：：pooledarays.pooledarays{T，R，N，RA}其中{S，T，R，N}位于/home/charper/.julia/packages/pooledarays/yiLq3/src/pooledarays.jl:294
convert（：：Type{T}，：：AbstractArray），其中T我不建议对此类数据使用CSV存储。可能最简单的方法是JSONTables.jl：

julia> df = DataFrame(a=[1,2], b=[[(1,2),(3,4)], [(5,6),(7,8)]])
2×2 DataFrame
│ Row │ a     │ b                │
│     │ Int64 │ Array…           │
├─────┼───────┼──────────────────┤
│ 1   │ 1     │ [(1, 2), (3, 4)] │
│ 2   │ 2     │ [(5, 6), (7, 8)] │

julia> s = arraytable(df) 
"[{\"a\":1,\"b\":[[1,2],[3,4]]},{\"a\":2,\"b\":[[5,6],[7,8]]}]"

julia> DataFrame(jsontable(s))
2×2 DataFrame
│ Row │ a     │ b                │
│     │ Int64 │ Array…           │
├─────┼───────┼──────────────────┤
│ 1   │ 1     │ [[1, 2], [3, 4]] │
│ 2   │ 2     │ [[5, 6], [7, 8]] │

julia> DataFrame(jsontable(objecttable(df))) # objecttable gives you a different layout of data
2×2 DataFrame
│ Row │ a     │ b                │
│     │ Int64 │ Array…           │
├─────┼───────┼──────────────────┤
│ 1   │ 1     │ [[1, 2], [3, 4]] │
│ 2   │ 2     │ [[5, 6], [7, 8]] │

我在这里演示了如何将它存储在
字符串中
并将其读回，但您可以使用
IO

读回不会恢复元组，但会恢复结构

现在，这只是一个选择。本教程中对DataFrames.jl的不同加载/保存选项进行了比较：


现在，在CSV中，您可以执行以下操作：

julia> CSV.write("tmp.csv", df)
"tmp.csv"

julia> df2 = CSV.File("tmp.csv") |> DataFrame
2×2 DataFrame
│ Row │ a     │ b                │
│     │ Int64 │ String           │
├─────┼───────┼──────────────────┤
│ 1   │ 1     │ [(1, 2), (3, 4)] │
│ 2   │ 2     │ [(5, 6), (7, 8)] │

julia> df2.b = eval.(Meta.parse.(df2.b))
2-element Array{Array{Tuple{Int64,Int64},1},1}:
 [(1, 2), (3, 4)]
 [(5, 6), (7, 8)]

julia> df2
2×2 DataFrame
│ Row │ a     │ b                │
│     │ Int64 │ Array…           │
├─────┼───────┼──────────────────┤
│ 1   │ 1     │ [(1, 2), (3, 4)] │
│ 2   │ 2     │ [(5, 6), (7, 8)] │

但这不是一种安全的方法。在
eval
中，任何不安全的代码都可以被注入执行。
哇，这非常有用。感谢您提供不同教程的链接。我将首先尝试Jasontables方法，但我仍然不确定评估方法。（）在第二个示例中不安全吗？再次感谢！运行例如
eval（Meta.parse（“Run（`julia`））
，想象一下，我本可以在那里放置一些更邪恶的东西，并且您的文件在编写后可能会被对手修改：）。哈哈哈，这是一个很好的例子。非常清楚地说明了它如何被滥用。
julia> CSV.write("tmp.csv", df)
"tmp.csv"

julia> df2 = CSV.File("tmp.csv") |> DataFrame
2×2 DataFrame
│ Row │ a     │ b                │
│     │ Int64 │ String           │
├─────┼───────┼──────────────────┤
│ 1   │ 1     │ [(1, 2), (3, 4)] │
│ 2   │ 2     │ [(5, 6), (7, 8)] │

julia> df2.b = eval.(Meta.parse.(df2.b))
2-element Array{Array{Tuple{Int64,Int64},1},1}:
 [(1, 2), (3, 4)]
 [(5, 6), (7, 8)]

julia> df2
2×2 DataFrame
│ Row │ a     │ b                │
│     │ Int64 │ Array…           │
├─────┼───────┼──────────────────┤
│ 1   │ 1     │ [(1, 2), (3, 4)] │
│ 2   │ 2     │ [(5, 6), (7, 8)] │