Python 基于dataframe中的值从字典中删除嵌套的键值对
问题是一部分帮助一部分好奇，所以我有一个dict，一旦我的所有条件都经过迭代，我会将它添加到一个列表中：Python 基于dataframe中的值从字典中删除嵌套的键值对,python,pandas,dictionary,Python,Pandas,Dictionary,问题是一部分帮助一部分好奇，所以我有一个dict，一旦我的所有条件都经过迭代，我会将它添加到一个列表中： for col, row in df.iterrows(): up_list = [] if row['id_check'] == 'Add all': l = {'external': {'om': {'id' : row['posm']}, 'wd': {'id': row
for col, row in df.iterrows():
up_list = []
if row['id_check'] == 'Add all':
l = {'external': {'om': {'id' : row['posm']},
'wd': {'id': row['wdp']},
'wk': {'id': row['tw'].replace('ru: ', '')}
}
}
up_list.append(l)
'id'=='None'的值之一，我不想将整个键值对添加到字典中
因此，最佳情况输出如下所示：
final_l = {'external': {'om': {'id' : '123'},
'wd': {'id': '456'},
'wk': {'id': '789'}
}}
但是：如果根据其相应的数据帧值提供其中一个值，我不想将“id”替换为“None”，我根本不想将其放在那里，因此理想情况下，假设'wk'='None'
，那么输出dict将如下所示：
final_l = {'external': {'om': {'id' : '123'},
'wd': {'id': '456'}
}}
但我唯一能得到的是：
final_l = {'external': {'om': {'id' : '123'},
'wd': {'id': '456'},
'wk': {'id': 'None'}
}}
这对于我的用例来说不是最佳的。那么，如何根据字典对应的数据帧值从字典中删除（甚至不添加）特定的键值对呢？另外，如果有更好的方法，我很乐意接受，因为这“有效”，但上帝保佑，这并不优雅
编辑示例数据帧：
id_check om wd wk
0 Add all 123 None 789
1 Add all 472 628 None
2 Add None 528 874 629
我编辑我以前的答案是基于您的回答，即您试图修改字典而不是数据帧，并且因为我以前的答案不正确
我找不到一种简单的方法来满足您的要求-例如列表理解，但我创建了一个转换器：
class Converter:
def __init__(self):
self.rows = []
self.cols = []
@classmethod
def from_dict(cls, d):
conv_df = cls()
conv_df.cols = list(d.keys())
conv_df.rows = list(zip(*d.values()))
return conv_df
def as_dict(self):
vals = []
for idx, _ in enumerate(self.cols):
vals.append([j[idx] for j in self.rows if None not in j])
return {k: v for k, v in zip(self.cols, vals)
用法示例：
>>> z = {'a': [1, 2, 3], 'b': ['a', 'b', 'c'], 'c': ['q', 'r', None]}
>>> conv = Converter.from_dict(z)
>>> conv.cols
['a', 'b', 'c']
>>> conv.rows
[(1, 'a', 'q'), (2, 'b', 'r'), (3, 'c', None)]
>>> "Get as dict and we expect last row not to appear in it:"
'Get as dict and we expect last row not to appear in it:'
>>> conv.as_dict()
{'a': [1, 2], 'b': ['a', 'b'], 'c': ['q', 'r']}
我编辑我以前的答案是基于您的回答，即您试图修改字典而不是数据帧，并且因为我以前的答案不正确
我找不到一种简单的方法来满足您的要求-例如列表理解，但我创建了一个转换器：
class Converter:
def __init__(self):
self.rows = []
self.cols = []
@classmethod
def from_dict(cls, d):
conv_df = cls()
conv_df.cols = list(d.keys())
conv_df.rows = list(zip(*d.values()))
return conv_df
def as_dict(self):
vals = []
for idx, _ in enumerate(self.cols):
vals.append([j[idx] for j in self.rows if None not in j])
return {k: v for k, v in zip(self.cols, vals)
用法示例：
>>> z = {'a': [1, 2, 3], 'b': ['a', 'b', 'c'], 'c': ['q', 'r', None]}
>>> conv = Converter.from_dict(z)
>>> conv.cols
['a', 'b', 'c']
>>> conv.rows
[(1, 'a', 'q'), (2, 'b', 'r'), (3, 'c', None)]
>>> "Get as dict and we expect last row not to appear in it:"
'Get as dict and we expect last row not to appear in it:'
>>> conv.as_dict()
{'a': [1, 2], 'b': ['a', 'b'], 'c': ['q', 'r']}
IIUC，您可以尝试使用来记录
，dropna
，eq
和来记录
：
final_l=df[df['id_check'].eq('Add all')].drop('id_check',1)
.apply(lambda x : {'external':x.dropna().to_dict()},axis=1)
.to_list()
输出：
final_l
[{'external': {'om': 123.0, 'wk': '789'}},
{'external': {'om': 472.0, 'wd': '628'}}]
IIUC，您可以尝试使用来记录
，dropna
，eq
和来记录
：
final_l=df[df['id_check'].eq('Add all')].drop('id_check',1)
.apply(lambda x : {'external':x.dropna().to_dict()},axis=1)
.to_list()
输出：
final_l
[{'external': {'om': 123.0, 'wk': '789'}},
{'external': {'om': 472.0, 'wd': '628'}}]
所以我尝试了提供的答案，我遇到的最大问题是真相评估和速度。我将其编码为“有效”，但从效率的角度来看，我对其不太满意：
if row['id_check'] == 'Add all IDs':
link_d, ex_link = {}, {}
if row['posm'] != 'None':
link_d['om'] = {'id': row['posm']}
if row['pd'] != 'None':
link_d['wd'] = {'id': row['pd']}
if row['tw'] != 'None':
link_d['wk'] = {'id': row['tw']}
ex_link['external'] = link_d
up_list.append(ex_link)
up_d[row['id']] = up_list
all_list.append(up_d)
哪些产出：
{'external': {'om': {'id' : '123'},
'wd': {'id': '456'},
'wk': {'id': '789'}}}
并忽略值==无的键：
{'external': {'om': {'id' : '123'},
'wd': {'id': '456'}}}
所以我尝试了提供的答案，我遇到的最大问题是真相评估和速度。我将其编码为“有效”，但从效率的角度来看，我对其不太满意：
if row['id_check'] == 'Add all IDs':
link_d, ex_link = {}, {}
if row['posm'] != 'None':
link_d['om'] = {'id': row['posm']}
if row['pd'] != 'None':
link_d['wd'] = {'id': row['pd']}
if row['tw'] != 'None':
link_d['wk'] = {'id': row['tw']}
ex_link['external'] = link_d
up_list.append(ex_link)
up_d[row['id']] = up_list
all_list.append(up_d)
哪些产出：
{'external': {'om': {'id' : '123'},
'wd': {'id': '456'},
'wk': {'id': '789'}}}
并忽略值==无的键：
{'external': {'om': {'id' : '123'},
'wd': {'id': '456'}}}
你能添加一个数据帧的示例吗？@MrNobody33编辑了这篇文章，在它下面是示例df。另一个例子是“add_all”
？我的意思是，如果行['id\u check']！='是否添加所有“
@SebastianGoslin@MrNobody33addnone
这是一个传递，我在这个循环中创建的字典的特定部分不会被附加。准备好了，只添加了一个方法@SebastianGoslin！你能添加一个数据帧的示例吗？@MrNobody33编辑了这篇文章，在它下面是示例df。另一个例子是“add_all”
？我的意思是，如果行['id\u check']！='是否添加所有“
@SebastianGoslin@MrNobody33addnone
这是一个传递，我在这个循环中创建的字典的特定部分不会被附加。准备好了，只添加了一个方法@SebastianGoslin！因此，完整的数据帧有几百行，将整个内容放在这里是不切实际的。但是如果我读对了你写的内容，它将删除所有==None
的行，在这种情况下，这不是最佳的，因为有些值可以有所有的id
s，或者有一些，或者没有，它是不同的。是的，但是你可以将其合并到我说的内容中。您可以使用一个函数来检查不需要的类型和值。然后你会得到类似于{i:j代表i，j在d.items（）中如果不是错误的值（j）}
，其中是错误的值（）
是函数。也就是说，除非我误解了你所说的“一些值可以有所有的ID，或者一些，或者没有，它是变化的”。啊，我明白了，所以示例df有一行可能出现的所有值。但是在实际的df中，有几千行，其中一些行可能对每一列都有合适的值，而另一些行可能没有，因此在整个数据帧中它是不一致的。因此，我想创建一个字典，它的格式与我在数据帧中出现的值（不是None
）的问题上所做的格式相同。我已经更新了示例，希望它更有意义。在您最近的编辑之前，您似乎在使用pd dataframe构造函数中的数据字段来初始化它。我的印象是，这个问题是基于实例创建的——但是如果您已经有了df，那么我认为最好/最具python风格的做法是使用pandas提供的实际api。也就是说，df.dropna
。可以找到更多信息。因此，完整的数据帧有几百行，将整个内容放在这里是不切实际的。但是如果我读对了你写的内容，它将删除所有==None
的行，在这种情况下，这不是最佳的，因为有些值可以有所有的id
s，或者有一些，或者没有，它是不同的。是的，但是你可以将其合并到我说的内容中。您可以使用一个函数来检查不需要的类型和值。然后你会得到类似于{i:j代表i，j在d.items（）中如果不是错误的值（j）}
，其中是错误的值（）
是函数。也就是说，除非我误解了你所说的“一些值可以有所有的ID，或者一些，或者没有，它是变化的”。啊，我明白了，所以示例df有一行可能出现的所有值。但在实际的df中，有几千行，其中一些行的每一列都有合适的值，而另一些行可能没有，因此在整个dat中它是不一致的