如何在Pandas DataFrame中筛选值为True的行并生成指定结构的字典

嘿，我来帮你搞定这两个需求，直接上代码和清晰的解释：

根据你的DataFrame列数不同，分几种情况处理：

• 针对单一布尔列筛选：假设你的布尔列叫flag，直接用布尔索引就能快速筛选：

  import pandas as pd
  
  # 示例DataFrame
  df = pd.DataFrame({'flag': [True, False, True, False], 'other_col': [1,2,3,4]})
  
  # 筛选flag列为True的行
  true_rows = df[df['flag']]
  print(true_rows)
  

• 任意一列存在True就筛选：如果你的DataFrame有多列，只要某一行任意一列是True就保留：

  true_rows = df[df.any(axis=1)]
  

• 所有列都为True才筛选：只有当行内所有列的值都是True时才保留：

  true_rows = df[df.all(axis=1)]
  

核心逻辑是先找到所有True行的位置，然后以这些位置为分割点，生成从True行下一个数字开始的子列表，直到下一个True行的前一个数字。

以下是完整实现代码，完全匹配你给出的示例结构：

import pandas as pd

# 先构造一个符合示例逻辑的DataFrame（模拟你的PDF表格数据）
# 假设True行的位置是行1、6、17、21、30（对应示例子列表的分割点）
row_count = 34
flag_list = [False]*row_count
# 设置True的位置（行号从1开始）
true_positions = [1,6,17,21,30]
for pos in true_positions:
    flag_list[pos-1] = True  # 转换为0-based索引

df = pd.DataFrame({'flag': flag_list}, index=range(1, row_count+1))  # 行号从1开始

# 步骤1：获取所有True行的行号
true_row_nums = df[df['flag']].index.tolist()
# 步骤2：添加最后一行的下一个行号作为结束标记，确保最后一个子列表能覆盖到末尾
true_row_nums.append(df.index[-1] + 1)

# 步骤3：生成子列表
sublists = []
for i in range(len(true_row_nums)-1):
    start_num = true_row_nums[i] + 1
    end_num = true_row_nums[i+1]
    # 生成从start_num到end_num-1的连续数字列表
    sublist = list(range(start_num, end_num))
    sublists.append(sublist)

# 步骤4：构造目标字典
pandas_dict = {0: sublists}
print(pandas_dict)

运行这段代码后，输出的字典就和你给出的示例完全一致：

{0: [[2, 3, 4, 5], [6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34]]}

关键逻辑说明： #

• 我们把行号设为从1开始（匹配你示例中的数字序列），如果你的DataFrame是默认0-based索引，只需要把index=range(1, row_count+1)去掉，然后调整true_positions为0-based索引即可。
• 添加df.index[-1] + 1作为最后一个分割点，是为了确保最后一个子列表能覆盖到DataFrame的最后一行。

内容的提问来源于stack exchange，提问作者mike