In [3]: s.to_csv('/home/wesm/tmp/sfoo.csv')

In [4]: Series.from_csv('/home/wesm/tmp/sfoo.csv')
Out[4]: 
a    1
b    2

您也可以像Rutger Kassies建议的那样将header=None, index_col=0, squeeze=True传递到read_csv。

CSV不包含任何关于pandas系列结构的信息。指定一些额外的参数可能会有所帮助。通过以下方法可以正常恢复数据：

pd.read_csv('s.csv', index_col=0, header=None)

但这会向其添加默认的列名和索引名。如果你只是想保存你的Series/DF供以后使用，最好使用.save（）和pd.load（）方法。

将pandas对象保存到文件，然后从文件重新创建该对象，您将用途：
s.to_pickle('filename')
和
s = pd.read_pickle('filename')
方法中的操作。
以下是详细信息：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_pickle.html

将.squeeze()应用于pd.read_csv返回的DataFrame：

>>> s = pd.Series(pd.Series({'a': 1, 'b': 2}))
>>> s.to_csv('s.csv')
>>> pd.read_csv('s.csv', index_col = 0).squeeze()
a    1
b    2
Name: 0, dtype: int64

(Thepd.Series.read_csv接受的解决方案现在已经贬值。）