Python 关于字符串到数组和数组到字符串？

我使用

df.to_csv

函数来存储信息，元素的格式是

权重列表中的
np.float32
，如下所示

df = pd.DataFrame(data=weight_list,index=img_names,columns=var_list)
df.to_csv('{}/{}'.format(dirs_path,csv_name))

然后，我使用pandas.read_csv

加载csv文件，元素的值肯定是字符串格式。如何将字符串转换为

np.float32

更多信息：csv文件中的元素类型为数组，数组具有不同的维度，如下所示：

---

在不了解更多数据结构的情况下，我建议尝试使用

pd.read\u csv（“mycsv.csv”）.astype（np.float32）

astype

将尝试将数据帧内的数据强制转换为指定格式

---

以上内容可以解决您的问题，但您可能还需要检查您正在使用的pandas的版本（以及

to_csv

和

read_csv

的文档）

在Python3.7上的pandas版本

0.23.4

上，我能够将一个装满float64的数据帧写入CSV，并成功地用正确的数据类型将其读回

首先生成一些数据，将其写入，然后将其读回（假设您的

weight\u列表

是浮动矩阵）：

然后验证数据类型是否正确（

df0.values

仅将数据帧内的数据作为numpy数据数组返回。您也可以检查

df0.dtypes

）：

---

在不了解更多数据结构的情况下，我建议尝试

pd.read\u csv（“mycsv.csv”）.astype（np.float32）

astype

将尝试将数据帧内的数据强制转换为指定格式

---

以上内容可以解决您的问题，但您可能还需要检查您正在使用的pandas的版本（以及

to_csv

和

read_csv

的文档）

在Python3.7上的pandas版本

0.23.4

上，我能够将一个装满float64的数据帧写入CSV，并成功地用正确的数据类型将其读回

首先生成一些数据，将其写入，然后将其读回（假设您的

weight\u列表

是浮动矩阵）：

然后验证数据类型是否正确（

df0.values

仅将数据帧内的数据作为numpy数据数组返回。您也可以检查

df0.dtypes

）：

---

提示：请不要发布代码图片。复制粘贴到问题中，然后改为。一个简单的提醒：请不要发布代码的图片。复制粘贴到问题中。嗨，谢谢。也许我的描述不够详细，我添加了一些关于我的csv文件的数据结构的详细信息。啊，好的，看起来你试图在数据框单元格中存储向量。您可以尝试序列化为json（

df.to_json

，

pd.read_json

）。首先，熊猫通常用于2D数据集，其中每列都是1D系列。您可能希望尝试重新构造数据，使其成为2D（可能将每个列扩展为2个1D列），或者探索一个选项，如您确实需要N-D数据帧。您好，谢谢。可能我的描述不够详细，我添加了一些有关我的csv文件的数据结构的详细信息。啊，好的，看起来您正试图在数据帧单元格中存储向量。您可以尝试序列化为json（

df.to_json

，

pd.read_json

）。首先，熊猫通常用于2D数据集，其中每列都是1D系列。您可能希望尝试重新构造数据，使其成为二维数据（可能将每个列扩展为2个1D列），或者探索一个选项，如您确实需要N-D数据帧。

>>> import numpy as np
>>> import pandas as pd
>>> # Generate dummy dataframe and write it to a CSV
>>> weights=np.random.rand(10,10) # Generate dummy 10x10 matrix of random floats
>>> names=['name{}'.format(i) for i in range(10)] # Generate dummy names and variable names
>>> var_list = ['var{}'.format(i) for i in range(10)]
>>> df0 = pd.DataFrame(data=weights, columns=var_list, index=names)
>>> df0.to_csv("test.csv")
>>> # Load the CSV back into a new dataframe
>>> df1=pd.read_csv("test.csv")

>>> # Verify the dtypes are float64, as they were originally
>>> df1.values.dtype
dtype('float64')
>>> df0.values.dtype
dtype('float64')