根据数据框中的值从字典中删除嵌套键值对

如何解决根据数据框中的值从字典中删除嵌套键值对

问题是一方面有助于好奇，另一方面我希望所有条件都经过迭代后，我便追加到列表中：

for col,row in df.iterrows():
    up_list = []

    if row['id_check'] == 'Add all':
    
        l = {'external': {'om': {'id' : row['posm']},'wd': {'id': row['wdp']},'wk': {'id': row['tw'].replace('ru: ','')}
                                    }
                 }

         up_list.append(l)

基本上，我要向字典l添加多个键和值，而我的主要问题是，为'id' == 'None'提供一个值，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：

final_l = {'external': {'om': {'id' : '123'},'wd': {'id': '456'},'wk': {'id': '789'}
                                }}

但是：根据其相应的数据帧值提供了其中一个值== 'None'，我不想将'id'替换为None，我根本就不想在那儿拥有它，因此理想情况下说'wk' == 'None'，那么输出字典将类似于：

final_l = {'external': {'om': {'id' : '123'},'wd': {'id': '456'}
                                }}

但是我唯一能得到的是：

final_l = {'external': {'om': {'id' : '123'},'wk': {'id': 'None'}
                                }}

这不是我的用例的最佳选择。因此，如何根据字典的对应数据帧值从字典中删除（甚至不添加）特定的键值对？另外，如果有更好的方法可以做到这一点，那么我很乐意这样做，因为这种“可行”的方法，但天哪，这并不优雅。

编辑示例数据框：

   id_check   om    wd    wk
0   Add all  123  None   789
1   Add all  472   628  None
2  Add None  528   874   629

解决方法

我正在编辑上一个答案，这都是基于您的答复，即您试图更改字典而不是修改数据框，并且因为我的上一个答案不正确。

我找不到一种使用简单的好方法来完成您要问的方法的方法-例如列表理解，但能够使用我创建的此转换器来做到这一点：

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','c']
>>> conv.rows
[(1,'a','q'),(2,'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'],'r']}

,

IIUC，您可以尝试使用to_dict，dropna，eq和to_list：

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'}}]

,

因此，我尝试了提供的答案，而遇到的最大问题是真相评估和速度。我将此代码编码为“有效”的代码，但从效率的角度来看，我对此不太满意：

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)

哪个输出：

{'external': {'om': {'id' : '123'},'wd': {'id': '456'},'wk': {'id': '789'}}}

并忽略值== {None的键：

{'external': {'om': {'id' : '123'},'wd': {'id': '456'}}}