Base64图片列读取后为字符串，需解码为bytes再转PIL.Image；直接绘图会报错，应先清洗前缀、异常捕获、批量转换；保存时推荐Parquet或反编码回Base64，Jupyter预览需转HTML标签。
Base64图片列读取后是字符串，不是图像对象
直接用 pd.read_csv() 或 pd.read_excel() 读入含 Base64 图片的数据表时，那一列会被当普通文本处理——即 Python str 类型，不是 PIL.Image 或 numpy.ndarray。你无法直接调用 .show() 或做图像运算。
常见错误现象：对 Base64 列调用 plt.imshow(df['img_b64'][0]) 报错 TypeError: Invalid shape (1,) for image data，因为传进去的是字符串，不是像素数组。
- 确认列内容是否真为 Base64：检查前几行是否以
"data:image/png;base64,"开头，或纯 Base64 字符串（只含 A-Z a-z 0-9 + / =） - 剥离前缀（如有）：
df['img_b64'].str.replace(r'^data:image/[^;]+;base64,', '', regex=True) - 解码需捕获异常：
base64.b64decode()对非法字符会抛binascii.Error，建议用try/except包裹并标记失败行
批量解码 Base64 列并转为 PIL.Image 或 numpy 数组
不能直接用 df['img_b64'].apply(base64.b64decode) 得到图像对象——b64decode() 返回 bytes，还需喂给 PIL.Image.open() 或 cv2.imdecode()。
推荐用 PIL（兼容 PNG/JPEG/GIF，无需指定格式）：
立即学习“Python免费学习笔记（深入）”；
from PIL import Image
import io
import base64
<p>def b64_to_pil(b64_str):
try:
if not isinstance(b64_str, str):
return None</p><h1>去除可能的 data URL 前缀</h1><pre class='brush:python;toolbar:false;'> b64_clean = b64_str.split(',', 1)[-1] if ',' in b64_str else b64_str
img_bytes = base64.b64decode(b64_clean)
return Image.open(io.BytesIO(img_bytes))
except Exception:
return Nonedf['img_pil'] = df['img_b64'].apply(b64_to_pil)
注意：Image.open() 是懒加载，真正解码发生在第一次访问 .size 或 .convert() 时；若需立即验证，加一句 .verify()（但会吞掉部分异常）。
- 内存敏感场景慎用：一张 1080p PNG 解码后约占用 10–20 MB 内存，
df['img_pil']列会显著增大 DataFrame 占用 - 避免在 apply 中重复创建
io.BytesIO实例——它本身开销小，但大量调用仍可测出差异 - 若后续只做缩略图或特征提取，建议解码后立刻转成固定尺寸 +
.convert('RGB')，避免后期不一致
保存带图片列的 DataFrame 到磁盘时的陷阱
pandas 本身不支持序列化 PIL.Image 或 bytes 对象到 CSV/Excel——保存后再次读取，图片列会变成 NaN 或乱码字符串。
可行方案只有两种：
- **导出为 Parquet**：
df.to_parquet('data_with_img.parquet', engine='pyarrow')，能完整保留PIL.Image（实际存为 Python object），但下游工具（如 Excel、BI 工具）无法读取 - **反向编码回 Base64 字符串再存 CSV**：
df['img_b64_restored'] = df['img_pil'].apply(lambda x: base64.b64encode(x.tobytes()).decode('utf-8') if x else None)，但丢失了原始格式信息（如透明通道、EXIF），且 JPEG/PNG 差异需手动补前缀
更务实的做法：把图片单独存文件系统（按 ID 命名），DataFrame 只存路径列；或用数据库（如 SQLite 的 BLOB 字段）存二进制。
在 Jupyter 中快速预览 Base64 图片列
Jupyter 支持直接渲染 Base64 字符串为图片，但必须包装成 <img> 标签，且注意长度限制（Chrome 对单个 src 最大约 2MB）。
安全做法是截断 + 缩放后再渲染：
from IPython.display import HTML, display
<p>def show_b64_thumbnail(b64_str, max_size=200):
try:
b64_clean = b64_str.split(',', 1)[-1] if ',' in b64_str else b64_str</p><h1>简单缩略：先解码再缩放（比前端 CSS 缩放更准）</h1><pre class='brush:python;toolbar:false;'> img = b64_to_pil(b64_str)
if img:
img.thumbnail((max_size, max_size))
buffered = io.BytesIO()
img.save(buffered, format='PNG')
b64_thumb = base64.b64encode(buffered.getvalue()).decode()
return f'<img src="data:image/png;base64,{b64_thumb}">'
except Exception:
pass
return ''在 notebook 中使用：
display(HTML(show_b64_thumbnail(df.iloc[0]['img_b64'])))
别直接用 IPython.display.Image(data=b64_str, embed=True) ——它不处理 data URL 前缀，也不校验合法性，容易静默失败。
真实项目里，这一列往往只是中间态；真正要交付时，Base64 图片几乎总是需要落地为文件或接入 CDN，而不是留在 DataFrame 里长期持有。
