如何将DataFrame转换为以行索引为键、True列索引为值的字典

给定的DataFrame #

先还原你提供的DataFrame：

import pandas as pd

df = pd.DataFrame(
    [[False, True, False, True, True, False, True, True, True, False],
     [False, True, False, True, True, True, True, True, False, False]],
    index=[3, 4],
    columns=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
)

解决方案 #

这里提供两种高效实现方式：

方法1：使用apply + numpy.where

import numpy as np

result = df.apply(lambda row: np.where(row)[0].tolist(), axis=1).to_dict()

• np.where(row)提取该行中值为True的元素的列索引位置
• tolist()将索引数组转为列表
• to_dict()将最终的Series直接转换为目标字典

方法2：使用stack（适合大数据集，性能更优）

result = df.stack().reset_index().groupby('level_0')['level_1'].apply(list).to_dict()

• stack()过滤掉值为False的元素，同时将列索引转为二级索引
• reset_index()将多级索引转为普通列（level_0是原行索引，level_1是原列索引）
• groupby('level_0')['level_1'].apply(list)按行索引分组，收集对应列索引为列表
• to_dict()转换为目标字典

最终结果 #

执行后得到的字典为：

{3: [1, 3, 4, 6, 7, 8], 4: [1, 3, 4, 5, 6, 7]}

注：你给出的示例中4对应的列表包含0，但原DataFrame中第4行第0列的值是False，此处为笔误，上述结果为正确输出。

内容的提问来源于stack exchange，提问作者Image Privacy