有没有办法从充满数据的字典中删除 nan ？答案

【问题标题】：Is there a way to remove nan from a dictionary filled with data?有没有办法从充满数据的字典中删除 nan ？
【发布时间】：2014-07-26 22:12:48
【问题描述】：

我有一个字典，其中包含来自我导入的两个文件的数据，但其中一些数据以 nan 形式出现。如何使用 nan 删除数据片段？

我的代码是：

import matplotlib.pyplot as plt 
from pandas.lib import Timestamp
import numpy as np   
from datetime import datetime
import pandas as pd
import collections

orangebook = pd.read_csv('C:\Users\WEGWEIS_JAKE\Desktop\Work Programs\Code Files\products2.txt',sep='~', parse_dates=['Approval_Date'])
specificdrugs=pd.read_csv('C:\Users\WEGWEIS_JAKE\Desktop\Work Programs\Code Files\Drugs.txt',sep=',')

"""This is a dictionary that collects data from the .txt file
This dictionary has a key,value pair for every generic name with its corresponding approval date """
drugdict={}
for d in specificdrugs['Generic Name']:
    drugdict.dropna()
    drugdict[d]=orangebook[orangebook.Ingredient==d.upper()]['Approval_Date'].min()

我应该在这段代码中添加或删除什么以确保字典中没有值为 nan 的键值对？

【问题讨论】：

您可以将filter() 与字典理解一起使用。请参阅此内容以供参考：stackoverflow.com/a/16589453/758446。
你的 nan 是作为键还是值存储在字典中？

标签： python dictionary nan

【解决方案1】：

与其尝试从字典中删除 NaN，不如进一步调查为什么 NaN 会首先出现。

在字典中使用 NaN 变得很困难，因为 NaN 不等于自身。

查看此内容了解更多信息：NaNs as key in dictionaries

【讨论】：

【解决方案2】：

from math import isnan

如果 nans 被存储为键：

# functional
clean_dict = filter(lambda k: not isnan(k), my_dict)

# dict comprehension
clean_dict = {k: my_dict[k] for k in my_dict if not isnan(k)}

如果 nans 被存储为值：

# functional
clean_dict = filter(lambda k: not isnan(my_dict[k]), my_dict)

# dict comprehension
clean_dict = {k: my_dict[k] for k in my_dict if not isnan(my_dict[k])}

【讨论】：

这对我来说不起作用，因为键不是数字...如果它对任何人都有帮助，对于字符串我将其更改为：c = {k: c[k] for k in c 如果 type(k) 是 str}
你也可以遍历.items():{k: v for k, v in my_dict.items() if not isnan(v)}

【解决方案3】：

使用简单的json

import simplejson

clean_dict  = simplejson.loads(simplejson.dumps(my_dict, ignore_nan=True))
## or depending on your needs
clean_dict  = simplejson.loads(simplejson.dumps(my_dict, allow_nan=False))

【讨论】：

我仍然得到 None 作为值

【解决方案4】：

知道旧的，但这是对我有用且简单的方法 - 在预先读取 CSV 时删除 NaN：

orangebook = pd.read_csv('C:\Users\WEGWEIS_JAKE\Desktop\Work Programs\Code Files\products2.txt',sep='~', parse_dates=['Approval_Date']).dropna()

我也喜欢同时转换成字典：

orangebook = pd.read_csv('C:\Users\WEGWEIS_JAKE\Desktop\Work Programs\Code Files\products2.txt',sep='~', parse_dates=['Approval_Date']).dropna().to_dict()

【讨论】：

使用 .dropna() 删除整列和空值的行