我有这样的df
df
AAA BBB CCC
0 4 10 100
1 5 20 50
2 6 30 -30
3 7 40 -50
df_mask = pd.DataFrame({‘AAA’：[真] * 4,’BBB’：[假] * 4,’CCC’：[真,假] * 2})
和df.where(df_mask)是
AAA BBB CCC
0 4 NaN 100.0
1 5 NaN NaN
2 6 NaN -30.0
3 7 NaN NaN
我试图像这样提取非null值.
我试过了,
df [df.where(df_mask).notnull()].to_dict()但它给出了所有值
我的预期输出是
{‘AAA’: {0: 4, 1: 5, 2: 6, 3: 7},
‘CCC’: {0: 100.0, 2: -30.0}}
解决方法:
让我们在这里使用agg：
v = df.where(df_mask).agg(lambda x: x.dropna().to_dict())
在较旧的版本中,apply会执行相同的操作(尽管速度较慢).
v = df.where(df_mask).apply(lambda x: x.dropna().to_dict())
现在,为最后一步过滤出带有空字典的行：
res = v[v.str.len() > 0].to_dict()
print(res)
{‘AAA’: {0: 4.0, 1: 5.0, 2: 6.0, 3: 7.0}, ‘CCC’: {0: 100.0, 2: -30.0}}
另一个免申请的选项是dict-comprehension：
v = df.where(df_mask)
res = {k : v[k].dropna().to_dict() for k in df}
print(res)
{‘AAA’: {0: 4, 1: 5, 2: 6, 3: 7}, ‘BBB’: {}, ‘CCC’: {0: 100.0, 2: -30.0}}
请注意,此(略)简单的解决方案保留具有空值的键.
标签：data-analysis,pandas,dataframe,python
来源： https://codeday.me/bug/20191108/2010400.html