獲取具有特定值的單元格的列和行標簽

Question

我有一個包含交叉引用的CSV文件，這意味着行被標記了，列被標記了，並且單元格都包含一個“ X”，兩者都適用（假設我們談論的是糖果，請使用顏色和風味，所以一個文件是某種糖果和紅色的味道像草莓，綠色的味道像蘋果等，這意味着）：

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

我可以將它們加載到pandas數據框中，對其進行讀取，然后對其進行遍歷，但是我沒有設法獲取包含X的單元格的描述符。我嘗試了pandas提供的三種不同的迭代器，但從未獲得過所需的信息。 。 我已經嘗試過使用迭代器和增量進行index-based value-checking ，但是它變得相當混亂，因此我將其丟棄。

理想情況下，輸出為{apple: green},{strawberry: red}, {smurf: blue},{dunno lol: [red, green, blue]} 。

我將如何獲得這些references ？

編輯：我可能需要添加：我不預先知道列或行的名稱，因為它們不統一，它們遵循一定的邏輯，但是通常，我無法定義嚴格的架構。

更新＃2：代碼，根據Coldspeed和Scott Boston的組合解決方案（加上一個小修正）：

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)

它糾正了描述符的問題（在示例中為Candy Q ）在每個結果列表中首先出現： {'apple': ['Candy Q','green'], 'strawberry': ['Candy Q','red']等。 這是CSV文件的鏈接，以防您需要它們或想知道這是什么 ，或者，如果您不信任人們在Internet上發布的鏈接，則此頁面上的第四次下載 。

謝謝大家的幫助！

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')

有點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"
    ]
} 

這涉及在列和掩碼（指定單元格是否具有X ）之間執行“點”乘積。

這里需要說明的是，分離器使用的列名（ _ -下划線，在這種情況下）不應該存在的部分列名。 在這種情況下，請選擇該列中不存在的任何分隔符，這應該可行。

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)

輸出：

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

感謝@cᴏʟᴅsᴘᴇᴇᴅ，感謝您的編輯和簡化。