获取具有特定值的单元格的列和行标签

Question

我有一个包含交叉引用的CSV文件，这意味着行被标记了，列被标记了，并且单元格都包含一个“ X”，两者都适用（假设我们谈论的是糖果，请使用颜色和风味，所以一个文件是某种糖果和红色的味道像草莓，绿色的味道像苹果等，这意味着）：

Candy Q     red     green       blue
apple               X
strawberry  X
smurf                           X
dunno lol   X       X           X

我可以将它们加载到pandas数据框中，对其进行读取，然后对其进行遍历，但是我没有设法获取包含X的单元格的描述符。我尝试了pandas提供的三种不同的迭代器，但从未获得过所需的信息。 。 我已经尝试过使用迭代器和增量进行index-based value-checking ，但是它变得相当混乱，因此我将其丢弃。

理想情况下，输出为{apple: green},{strawberry: red}, {smurf: blue},{dunno lol: [red, green, blue]} 。

我将如何获得这些references ？

编辑：我可能需要添加：我不预先知道列或行的名称，因为它们不统一，它们遵循一定的逻辑，但是通常，我无法定义严格的架构。

更新＃2：代码，根据Coldspeed和Scott Boston的组合解决方案（加上一个小修正）：

files = glob.glob(mappings_path + '\\*.csv')
# iterate over the list getting each file
for file in files:
    # open each file
    with open(file,'r') as f:
        # read content into pandas dataframe
        df = pd.read_csv(f, delimiter=";", encoding='utf-8')
        # set index to first column (and only column)
        df = df.set_index(df.iloc[:, 0])

        d = defaultdict(list)
        for x, y in zip(*np.where(df.notnull())):
            d[df.index[x]].append(df.columns[y])

        res = dict(d)
        for k, v in res.items():
            del v[0]
        logger.info(res)

它纠正了描述符的问题（在示例中为Candy Q ）在每个结果列表中首先出现： {'apple': ['Candy Q','green'], 'strawberry': ['Candy Q','red']等。 这是CSV文件的链接，以防您需要它们或想知道这是什么 ，或者，如果您不信任人们在Internet上发布的链接，则此页面上的第四次下载 。

谢谢大家的帮助！

Answer 1

df

      Candy Q  red green blue
0       apple  NaN     X  NaN
1  strawberry    X   NaN  NaN
2       smurf  NaN   NaN    X
3   dunno lol    X     X    X

df = df.set_index('Candy Q')

有点hacky，但速度很快。

j = df.notnull()\
      .dot(df.columns + '_')\
      .str.strip('_')\
      .str.split('_')\
      .to_dict()

print(j)
{
    "dunno lol": [
        "red",
        "green",
        "blue"
    ],
    "smurf": [
        "blue"
    ],
    "strawberry": [
        "red"
    ],
    "apple": [
        "green"
    ]
} 

这涉及在列和掩码（指定单元格是否具有X ）之间执行“点”乘积。

这里需要说明的是，分离器使用的列名（ _ -下划线，在这种情况下）不应该存在的部分列名。 在这种情况下，请选择该列中不存在的任何分隔符，这应该可行。

Answer 2

哪里df：

            red green blue
Candy Q                   
apple       NaN     X  NaN
strawberry    X   NaN  NaN
smurf       NaN   NaN    X
dunno lol     X     X    X

您可以使用np.where返回索引：

from collections import defaultdict

d = defaultdict(list)
for x, y in zip(*np.where(df.notnull())):
     d[df.index[x]].append(df.columns[y])

dict(d)

输出：

{'apple': ['green'],
 'dunno lol': ['red', 'green', 'blue'],
 'smurf': ['blue'],
 'strawberry': ['red']}

感谢@cᴏʟᴅsᴘᴇᴇᴅ，感谢您的编辑和简化。