对于示例（更正）：

# import data
data = {'name': ["Joe", "Joe", "Joe","Jane","Jane"],
        'job': ["Analyst","Manager","Director","Analyst","Manager"],
        '#': [1,2,3,4,5],
        'yrs_serv': [1.1, 1.2, 1.3, 1.4, 1.5]}
df = pd.DataFrame(data, columns=['name', 'job', '#', 'yrs_serv'])

# generate key
encrypt_key = Fernet.generate_key()

f = Fernet(encrypt_key)
df_e = df.apply(lambda x: x.astype(str)) # preprocess
token = df_e.applymap(lambda x: f.encrypt(x.encode('utf-8')))
token.to_csv('encrypted_file.csv', index=False)

字符串
解码任务是：

token2 = pd.read_csv('encrypted_file.csv') 
token3 = token2.applymap(lambda x: bytes(x[2:-1],'utf-8'))
token4 = token3.applymap(lambda x: f.decrypt(x))
df_decrp = token4.applymap(lambda x: x.decode('utf-8'))
df_decrp

型
结果是：

name     job        #   yrs_serv
0   Joe     Analyst     1    1.1
1   Joe     Manager     2    1.2
2   Joe     Director    3    1.3
3   Jane    Analyst     4    1.4
4   Jane    Manager     5    1.5

型
其中每个元素都是一个字符串。在你可以将字符串转换为数字之后
解释：让我们取column=#和row=0中的元素
token['#'][0] = b'gAAAAAB......'（100字节）
当字节写入文件csv token2['#'][0] ="b'gAAAAAB......'"时（字符串= 103个字符）
如果您用途：

token3 = token2.applymap(lambda x: x.encode('utf-8'))

型
token3['#'][0] =b"b'gAAAAAB......'"（103字节！！）
为了解密数据，我必须有一个等于token的DataFrame，但是token 3，在本例中，不同于token！你不能用它
所以在将字符串转换为字节之前，你必须消除前两个字符“b和最后一个”

token3 = token2.applymap(lambda x: x[2:-1])

型
token3['#'][0] =b'gAAAAAB......'（100字节）

Andrea Mannari给出了一个很好的答案，基本上解决了我的问题，但我想更好地解释为什么字节串切片是必要的，所以经过一些调查，这就是我的发现。
DataFrame中的每个元素都存储为字节字符串，如果你打印DataFrame，你会清楚地看到元素是b '编码文本'，表示它们是字节字符串，所以下面的代码应该给予解密的字节字符串，但它没有。

f.decrypt(token2['name'][0])
"b'encrypted text'"

字符串
问题是，当你用这种方式使用pandas元素时，pandas显然会对它应用__str（）__函数，从而将字节字符串转换成一个封装在普通字符串中的字节字符串。

token2['name'][0].__str__()  
"b'encrypted text'"

型
这个问题的解决方案是通过使用eval（）函数强制pandas将字节字符串作为字节字符串计算，因此下面的代码将生成一个字节字符串，我们可以使用它来解码（从字节字符串转换为普通字符串）和解密（加密和解密字节字符串）。

eval(token2['name'][0])
b'encrypted text'

型
我还为列标题添加了加密。下面是我对Andrea代码的版本。

import pandas as pd
from cryptography.fernet import Fernet 

data = {'name': ["Joe", "Joe", "Joe","Jane","Jane"],
    'job': ["Analyst","Manager","Director","Analyst","Manager"],
    '#': [1,2,3,4,5],
    'yrs_serv': [1.1, 1.2, 1.3, 1.4, 1.5]}

df = pd.DataFrame(data, columns=['name', 'job', '#', 'yrs_serv'])
print(f'orig df \n{df}\n')

# generate key
# encrypt_key = Fernet.generate_key()
encrypt_key = b'gB07ncUSR2oFkeUGD8_gM_CcBQvfWwslrXg3QZOAqII='

# Use key to encrypt data
f = Fernet(encrypt_key)
df_e = df.apply(lambda x: x.astype(str)) # preprocess
token = df_e.applymap(lambda x: f.encrypt(x.encode('utf-8')))

# Encrypt column headings
token.columns = [f.encrypt(bytes(x,'utf-8')) for x in df_e.columns]

# Save to CSV file
token.to_csv('encrypted_file.csv', index=False)
print(f'encrypted df \n{token}\n')

#Read and decoding CSV:
token2 = pd.read_csv('encrypted_file.csv')

# Decrypt column headings first
token2.columns = [f.decrypt(eval(x).decode('utf-8')).decode('utf-8') for x in token2.columns]

# Decrypt the CSV data
df_decrp = token2.applymap(lambda x: f.decrypt(eval(x).decode('utf-8')).decode('utf-8'))
print(f'decrypted df \n{df_decrp}\n', )

型
解密CSV数据涉及以下步骤：
将元素计算为字节字符串

eval(x)

型
将字节串解码为普通字符串

eval(x).decode('utf-8')

型
解密正常字符串，生成字节字符串

f.decrypt(eval(x).decode('utf-8'))

型
将解密后的字节串解码为正常字符串

f.decrypt(eval(x).decode('utf-8')).decode('utf-8')

型
有关字节串Convert bytes to a string in python 3的解码和编码，请参阅此链接