Skip to main content
 首页 » 编程设计

python之如何将 Pandas 中的非零条目转换为带列表的字典

2024年11月24日11artech

假设现在我有一个面具

mask = df.DataFrame([[0, 0, 1], [1, 1, 0], [0, 0, 1]]) 

Actullay,掩码是

    0  1  2 
0   0  0  1 
1   1  1  0 
2   0  0  1 

此外,我有一个得分矩阵,如

score = df.DataFrame([[0.5, 0.3, 0.2], [0.1, 0.9, 0.7], [0.5, 0.4, 0.8]]) 

即

    0    1    2 
0   0.5  0.3  0.2 
1   0.1  0.9  0.7 
2   0.5  0.4  0.8 

我只想在mask中保留“true”的score条目,即结果应该是

    0    1    2 
0   0    0    0.2 
1   0.1  0.9  0 
2   0    0    0.8 

最后,我需要将结果转换为带有列表的字典

result = {0: {2: 0.2}, 1: {0: 0.1, 1: 0.9}, 2: {2: 0.8}} 

我怎样才能用 Pythonic 的方式做事?谢谢!

请您参考如下方法:

使用DataFrame.where将 0,1 掩码转换为 bool 值:

print (score.where(mask.astype(bool), 0)) 
     0    1    2 
0  0.0  0.0  0.2 
1  0.1  0.9  0.0 
2  0.0  0.0  0.8 

然后转换为字典并删除嵌套字典中的 0 值:

d = score.where(mask.astype(bool), 0).to_dict(orient='index') 
 
d = {k:{k1:v1 for k1, v1 in v.items() if v1 != 0} for k, v in d.items()} 
print (d) 
{0: {2: 0.2}, 1: {0: 0.1, 1: 0.9}, 2: {2: 0.8}} 

由 DataFrame.stack reshape 的另一个想法并将不匹配的值替换为 NaN:

s = score.where(mask.astype(bool)).stack() 
d = {level: s.xs(level).to_dict() for level in s.index.levels[0]} 
print (d) 
{0: {2: 0.2}, 1: {0: 0.1, 1: 0.9}, 2: {2: 0.8}}