如何从熊猫数据框中制作列表列表，跳过nan值答案

【问题标题】：how to make list of lists from pandas dataframe, skipping nan values如何从熊猫数据框中制作列表列表，跳过nan值
【发布时间】：2018-01-07 13:05:12
【问题描述】：

我有一个看起来很像的 pandas 数据框

    foo   foo2   foo3  foo4
a   NY    WA     AZ    NaN
b   DC    NaN    NaN   NaN
c   MA    CA     NaN   NaN

我想对这个数据框的观察做一个嵌套列表，但省略 NaN 值，所以我有类似 [['NY','WA','AZ'],['DC'] ,['MA',CA']。

在这个数据框中有一个模式，如果这会有所不同，那么如果 fooX 为空，则后续列 fooY 也将为空。

我最初在下面有类似这样的代码。我敢肯定有更好的方法来做到这一点

A = [[i] for i in subset_label['label'].tolist()]
B = [i for i in subset_label['label2'].tolist()]
C = [i for i in subset_label['label3'].tolist()]
D = [i for i in subset_label['label4'].tolist()]
out_list = []
for index, row in subset_label.iterrows():
out_list.append([row.label, row.label2, row.label3, row.label4])
out_list

【问题讨论】：

标签： list pandas dataframe nested nan

【解决方案1】：

试试这个：

In [77]: df.T.apply(lambda x: x.dropna().tolist()).tolist()
Out[77]: [['NY', 'WA', 'AZ'], ['DC'], ['MA', 'CA']]

【讨论】：

【解决方案2】：

选项 1
pd.DataFrame.stack 默认丢弃 na。

df.stack().groupby(level=0).apply(list).tolist()

[['NY', 'WA', 'AZ'], ['DC'], ['MA', 'CA']]

___

选项 2
有趣的替代方案，因为我认为 pandas 对象中的汇总列表很有趣。

df.applymap(lambda x: [x] if pd.notnull(x) else []).sum(1).tolist()

[['NY', 'WA', 'AZ'], ['DC'], ['MA', 'CA']]

选项 3
numpy 实验

nn = df.notnull().values
sliced = df.values.ravel()[nn.ravel()]
splits = nn.sum(1)[:-1].cumsum()
[s.tolist() for s in np.split(sliced, splits)]

[['NY', 'WA', 'AZ'], ['DC'], ['MA', 'CA']]

【讨论】：

【解决方案3】：

这是一个矢量化版本！

original = pd.DataFrame(data={
    'foo': ['NY', 'DC', 'MA'],
    'foo2': ['WA', np.nan, 'CA'],
    'foo3': ['AZ', np.nan, np.nan],
    'foo4': [np.nan] * 3,
})

out = original.copy().fillna('NAN')

# Build up mapping such that each non-nan entry is mapped to [entry]
#   and nan entries are mapped to []
unique_entries = np.unique(out.values)
mapping = {e: [e] for e in unique_entries}
mapping['NAN'] = []

# Apply mapping
for c in original.columns:
    out[c] = out[c].map(mapping)

# Concatenate the lists along axis 1
out.sum(axis=1)

你应该得到类似的东西

0    [NY, WA, AZ]
1            [DC]
2        [MA, CA]
dtype: object

【讨论】：