Python 将dataframe转换为字典忽略某些值

我需要帮助将dataframe转换为字典，如下所示，其中id是主键，内部字典的值应大于0：

给定数据帧：

id  score1  score2 score3  score4     score5
1  0.0000  0.1087  0.0000  0.0786       1
2  0.0532  0.3083  0.2864  0.4464       1
3  0.0000  0.0840  0.8090  0.2331       1

预期解决方案：

[1:{'score2': 0.10865899999999999,
  'score4': 0.078597,
  'score5': 1.0},
 2:{'score1': 0.053238000000000001,
  'score2': 0.308253,
  'score3': 0.28635300000000002,
  'score4': 0.44643299999999997,
  'score5': 1.0},
 3:{'score2': 0.083978999999999998,
  'score3': 0.80898300000000001,
  'score4': 0.23305200000000001,
  'score5': 1.0}]

[{'id': 1.0,
  'score1': 0.0,
  'score2': 0.10865899999999999,
  'score3': 0.0,
  'score4': 0.078597,
  'score5': 1.0},
 {'id': 2.0,
  'score1': 0.053238000000000001,
  'score2': 0.308253,
  'score3': 0.28635300000000002,
  'score4': 0.44643299999999997,
  'score5': 1.0},
 {'id': 3.0,
  'score1': 0.0,
  'score2': 0.083978999999999998,
  'score3': 0.80898300000000001,
  'score4': 0.23305200000000001,
  'score5': 1.0}]

我的解决方案： 我使用

df.to_dict（orient='records'）

给出以下解决方案：

[1:{'score2': 0.10865899999999999,
  'score4': 0.078597,
  'score5': 1.0},
 2:{'score1': 0.053238000000000001,
  'score2': 0.308253,
  'score3': 0.28635300000000002,
  'score4': 0.44643299999999997,
  'score5': 1.0},
 3:{'score2': 0.083978999999999998,
  'score3': 0.80898300000000001,
  'score4': 0.23305200000000001,
  'score5': 1.0}]

[{'id': 1.0,
  'score1': 0.0,
  'score2': 0.10865899999999999,
  'score3': 0.0,
  'score4': 0.078597,
  'score5': 1.0},
 {'id': 2.0,
  'score1': 0.053238000000000001,
  'score2': 0.308253,
  'score3': 0.28635300000000002,
  'score4': 0.44643299999999997,
  'score5': 1.0},
 {'id': 3.0,
  'score1': 0.0,
  'score2': 0.083978999999999998,
  'score3': 0.80898300000000001,
  'score4': 0.23305200000000001,
  'score5': 1.0}]

---

我假设您的预期输出是一个dict of dict，您可以使用

df.set_index('id').agg(lambda x: x[x != 0].to_dict(), axis=1).to_dict()

---

详细信息

将ID设置为索引，使其成为输出dict中的键：

df.set_index('id')

    score1  score2  score3  score4  score5
id                                        
1   0.0000  0.1087  0.0000  0.0786       1
2   0.0532  0.3083  0.2864  0.4464       1
3   0.0000  0.0840  0.8090  0.2331       1

接下来，将每行转换为字典，删除值等于0的列：

_.agg(lambda x: x[x != 0].to_dict(), axis=1)

id
1    {'score2': 0.1087, 'score4': 0.0786, 'score5':...
2    {'score1': 0.0532, 'score2': 0.3083, 'score3':...
3    {'score2': 0.084, 'score3': 0.809, 'score4': 0...
dtype: object

最后一步是将其转换为dict of dict：

_.to_dict()

{1: {'score2': 0.1087, 'score4': 0.0786, 'score5': 1.0},
 2: {'score1': 0.0532,
  'score2': 0.3083,
  'score3': 0.2864,
  'score4': 0.4464,
  'score5': 1.0},
 3: {'score2': 0.084, 'score3': 0.809, 'score4': 0.2331, 'score5': 1.0}}

---

这太棒了！是否也可以根据id值进行过滤。例如，如果我想显示ID在[1,2]中的位置。（不是3个）？怎么做？@user15051990您可以从

df=df[df['id'].isin（[1，2]）]

开始，然后像往常一样在我的答案中使用代码。有关更多信息，请参阅。