Python 在匹配条件的数据框中查找列名及其各自的值，并将结果存储在字典中

我有一个pandas数据框（称为df），我在其中搜索每一行（即在给定日期）值小于0.5的列。在下面的屏幕截图中，我突出显示了小于0.5的值（黄色）

df数据帧如下所示：

data = {'Date': ['2020-12-22','2020-12-23','2020-12-24','2020-12-25'],
    'A': ['0.065','0.965','0.363','0.774'],
    'B': ['0.292','0.367','0.396','0.484'],
    'C': ['0.078','0.489','0.095','0.781'],
    'D': ['0.703','0.748','0.631','0.612']}

df = config.pd.DataFrame (data, columns = ['Date','A', 'B', 'C', 'D'])

我想将结果存储在一个字典中，该字典应类似于下面的嵌套字典：

---

有人能帮我提供一个示例代码吗。

试试下面的方法。我知道res=。。。这句话不像大多数的听写理解那样可读性很差，但它更简洁。如果您需要一个更可编辑的解决方案，可以通过几个循环ifs轻松完成

d=df.to_dict(orient='records')

res={i['Date']:{k:float(i[k]) for k in i if k!='Date' and float(i[k])<0.5} for i in d}

>>>print(res)

{'2020-12-22': {'A': 0.065, 'B': 0.292, 'C': 0.078}, '2020-12-23': {'B': 0.367, 'C': 0.489}, '2020-12-24': {'A': 0.363, 'B': 0.396, 'C': 0.095}, '2020-12-25': {'B': 0.484}}

d=df.to_dict（orient='records'）
res={i['Date']：{k:float（i[k]），如果k！='Date'和float（i[k]）>>打印（res）
{'2020-12-22'：{'A'：0.065，'B'：0.292，'C'：0.078}，'2020-12-23'：{'B'：0.367，'C'：0.489}，'2020-12-24'：{'A'：0.363，'B'：0.396，'C'：0.095}，'2020-12-25'：{'B'：0.484}

如果要使用循环构造结果，可以执行以下操作：

d=df.to_dict(orient='records')

for i in d:
    temp={}
    for k in i:
        if k!='Date' and float(i[k])<0.5:
            temp[k]=float(i[k])
    res[i['Date']]=temp

>>>print(res)
    
{'2020-12-22': {'A': 0.065, 'B': 0.292, 'C': 0.078}, '2020-12-23': {'B': 0.367, 'C': 0.489}, '2020-12-24': {'A': 0.363, 'B': 0.396, 'C': 0.095}, '2020-12-25': {'B': 0.484}}

d=df.to_dict（orient='records'）
对于d中的i：
温度={}
对于i中的k：
如果k！='Date'和float（i[k]）>>打印（res）
{'2020-12-22'：{'A'：0.065，'B'：0.292，'C'：0.078}，'2020-12-23'：{'B'：0.367，'C'：0.489}，'2020-12-24'：{'A'：0.363，'B'：0.396，'C'：0.095}，'2020-12-25'：{'B'：0.484}

试试下面的方法。我知道res=…行不像大多数dict理解那样可读性很差，但它更简洁。如果你需要一个更可编辑的解决方案，只需几个循环就可以轻松完成

d=df.to_dict(orient='records')

res={i['Date']:{k:float(i[k]) for k in i if k!='Date' and float(i[k])<0.5} for i in d}

>>>print(res)

{'2020-12-22': {'A': 0.065, 'B': 0.292, 'C': 0.078}, '2020-12-23': {'B': 0.367, 'C': 0.489}, '2020-12-24': {'A': 0.363, 'B': 0.396, 'C': 0.095}, '2020-12-25': {'B': 0.484}}

d=df.to_dict（orient='records'）
res={i['Date']：{k:float（i[k]），如果k！='Date'和float（i[k]）>>打印（res）
{'2020-12-22'：{'A'：0.065，'B'：0.292，'C'：0.078}，'2020-12-23'：{'B'：0.367，'C'：0.489}，'2020-12-24'：{'A'：0.363，'B'：0.396，'C'：0.095}，'2020-12-25'：{'B'：0.484}

如果要使用循环构造结果，可以执行以下操作：

d=df.to_dict(orient='records')

for i in d:
    temp={}
    for k in i:
        if k!='Date' and float(i[k])<0.5:
            temp[k]=float(i[k])
    res[i['Date']]=temp

>>>print(res)
    
{'2020-12-22': {'A': 0.065, 'B': 0.292, 'C': 0.078}, '2020-12-23': {'B': 0.367, 'C': 0.489}, '2020-12-24': {'A': 0.363, 'B': 0.396, 'C': 0.095}, '2020-12-25': {'B': 0.484}}

d=df.to_dict（orient='records'）
对于d中的i：
温度={}
对于i中的k：
如果k！='Date'和float（i[k]）>>打印（res）
{'2020-12-22'：{'A'：0.065，'B'：0.292，'C'：0.078}，'2020-12-23'：{'B'：0.367，'C'：0.489}，'2020-12-24'：{'A'：0.363，'B'：0.396，'C'：0.095}，'2020-12-25'：{'B'：0.484}

如果我理解正确，您可以使用生成结果并使用字典进行筛选：

import pprint

# set Date as index
n_df = df.set_index('Date').astype(float)

# use to_dict('index')
res = {k: {ki: vi for ki, vi in d.items() if vi < 0.5} for k, d in n_df.to_dict('index').items()}

pprint.pprint(res)

---

如果我理解正确，您可以使用生成结果并使用字典进行筛选：

import pprint

# set Date as index
n_df = df.set_index('Date').astype(float)

# use to_dict('index')
res = {k: {ki: vi for ki, vi in d.items() if vi < 0.5} for k, d in n_df.to_dict('index').items()}

pprint.pprint(res)

---

仅供参考，图片和代码的dfs不可用match@IoaTzimas：谢谢你指出。我已经更正了所有图片。图片和代码的dfs不正确match@IoaTzimas：谢谢你指出。我已经更正了所有图像。这可以通过简单for循环实现吗？这可以通过简单for循环实现吗？这可以吗可以通过简单的for循环实现吗？下面使用for循环的解决方案似乎没有添加键，而是覆盖了它。res={}for i in d:for k in i:if k！=“Date”和float（i[k]）Hi@PrateekDaniels我在我最初的回答下添加了一个使用循环的解决方案，这可以通过简单的for循环实现吗？下面使用for循环的解决方案似乎没有添加键，而是重写了它。res={}for i in d:for k in i:if k！=“Date”和float（i[k]）Hi@PrateekDaniels我在最初的答案下添加了一个使用循环的解决方案