s

0    [133, 115, 3, 1]
1    [114, 115, 2, 3]
2      [51, 59, 1, 1]
dtype: object

s[0]
'[133, 115, 3, 1]'

pd.eval(s)

array([[133, 115, 3, 1],
       [114, 115, 2, 3],
       [51, 59, 1, 1]], dtype=object)

len(s)
300000

pd.eval(s)
AttributeError: 'PandasExprVisitor' object has no attribute 'visit_Ellipsis'

TL; DR
截至v0.21，这是一个错误，并且是GitHub上的一个未解决问题。参见GH16289。

---

为什么会出现此错误？
（很可能）这是pd.eval的错，它不能解析具有100多行的序列。这是一个例子。

len(s)
300000

pd.eval(s.head(100))  # returns a parsed result

鉴于，

pd.eval(s.head(101))
AttributeError: 'PandasExprVisitor' object has no attribute 'visit_Ellipsis'

无论解析器还是引擎，此问题仍然存在。

---

这个错误是什么意思？
当传递的行超过100行时，对其进行pd.eval操作__repr__，而不是对其中包含的对象进行操作（这是导致此错误的原因）。所述__repr__截短的行，具有替换它们...（省略号）。该省略号被引擎误解为Ellipsis对象-

...
Ellipsis

pd.eval('...')
AttributeError: 'PandasExprVisitor' object has no attribute 'visit_Ellipsis'

这正是导致此错误的原因。

---

我该怎么做才能使它正常工作？
目前，尚无解决方案（该问题截至2017年12月28日仍未解决）， 但是 ，有一些解决方法。

选项1 如果可以保证没有任何格式错误的字符串，则此选项应立即可用。
ast.literal_eval

from ast import literal_eval

s.apply(literal_eval)

0    [133, 115, 3, 1]
1    [114, 115, 2, 3]
2      [51, 59, 1, 1]
dtype: object

如果可能出现数据格式错误，则需要编写一些错误处理代码。您可以使用函数来做到这一点-

def safe_parse(x):
    try:
        return literal_eval(x)
    except (SyntaxError, ValueError):
        return np.nan # replace with any suitable placeholder value

将此功能传递给apply-

s.apply(safe_parse)

0    [133, 115, 3, 1]
1    [114, 115, 2, 3]
2      [51, 59, 1, 1]
dtype: object

ast适用于任意数量的行，速度很慢，但可靠。您也可以将pd.json.loadsJSON数据用于，方法与相同literal_eval。

选项2
yaml.load
解析简单数据的另一个不错的选择，我前一阵子是从@ayhan那里选出来的。

import yaml
s.apply(yaml.load)

0    [133, 115, 3, 1]
1    [114, 115, 2, 3]
2      [51, 59, 1, 1]
dtype: object

我尚未在更复杂的结构上对此进行过测试，但这对于几乎所有基本的数据字符串表示形式均适用。

您可以在此处找到PyYAML的文档。向下滚动一点，您将找到有关该load功能的更多详细信息。

---

注意

• 如果您使用的是JSON数据，则可能适合使用pd.read_json或pd.io.json.json_normalize从头开始读取文件。
• 您还可以在读取数据时执行解析，方法是read_csv-

  s = pd.read_csv(converters=literal_eval, squeeze=True)
  

该converters参数将在读取的列上应用传递给该列的函数，因此您以后不必处理解析。

• 继续上述要点，如果您正在使用数据框，请传递dict-

  df =  pd.read_csv(converters={'col' : literal_eval})
  

col您还可以传递pd.json.loads（对于json数据）或pd.eval（如果您有100行或更少的行），则将其解析在哪里。

---

感谢MaxU和Moondra发现此问题。