删除封装在pandas中的字典类型的字符串引号的最快方法

我有一些

pd.DataFrame

；其中的元素最初是dict类型的

dict

。但是，我编写了

pd.DataFrame

来键入

csv

。我现在遇到的问题是将文件读回

pd.DataFrame

字典默认读取为type

string

。例如，这是输出，我开始阅读

csv

文件

df.iloc[0,0]
"{'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}"

我想要的输出是删除封装字典的字符串引号

”

，所以它应该是

期望输出

df.iloc[0,0]
{'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}

我的

pd.DataFrame

相当大（>30000个元素）。实现这一目标的最快方法是什么？很可能没有运行任何循环。我想，在

pd.read\u csv

级别上的一些选项组合可以实现这一点，但我还没有弄清楚它是如何实现的

编辑1.0

这里有一个

pd.DataFrame

，允许复制输入

df = pd.DataFrame({'col_a':["{'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}",\
                   "{'maxAge': 2, 'priceHint': {'raw': 3, 'fmt': '3', 'longFmt': '3'}}",\
                  "{'maxAge': 2, 'priceHint': {'raw': 3, 'fmt': '3', 'longFmt': '3'}}",\
                  "{'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}"]})

---

由于字典是字典的字符串表示形式，因此需要使用

eval

方法使其再次像字典一样工作（简单地尝试删除引号不会起任何作用）。最简单的方法是使用

ast.literal\u eval

，这是直接调用python的

eval

方法的更安全的替代方法

df = pd.DataFrame({'col_a':["{'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}",\
                   "{'maxAge': 2, 'priceHint': {'raw': 3, 'fmt': '3', 'longFmt': '3'}}",\
                  "{'maxAge': 2, 'priceHint': {'raw': 3, 'fmt': '3', 'longFmt': '3'}}",\
                  "{'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}"]})

df.iloc[0, 0] # Each element of this Series is a string
# "{'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}"

将

ast.literal\u eval

与Series.apply一起使用

import ast

df["col_a"] = df["col_a"].apply(ast.literal_eval)

df.iloc[0, 0] # Each element of this Series is a dictionary
# {'maxAge': 1, 'priceHint': {'raw': 2, 'fmt': '2', 'longFmt': '2'}}

或者，由于您是从csv中读取此内容，因此可以在通过

pd.read\u csv

读取数据时应用ast.literal\u eval：

df = pd.read_csv("path/to/file.csv", converters={"col_a": ast.literal_eval})

---

这不会提高性能，但可以稍微简化代码。

eval

，但您可能仍然需要一个循环。