如何用Python pandas从CSV创建排除NaN值的指定结构字典

核心实现代码 #

直接用pandas内置方法即可，不需要手写循环判断NaN：

# 若尚未读取CSV，先执行读取操作，替换为你的实际CSV路径
# df = pd.read_csv("your_sku_file.csv")

# 通用实现，小数据量直接用
sku_dict = (
    df.set_index("SKU")
      .apply(lambda row: row.dropna().to_dict(), axis=1)
      .to_dict()
)

运行后得到的结果和你给出的目标结构完全一致，所有值为NaN的条目会被自动过滤，不需要额外写判断逻辑。

高性能版本（适配万行以上大文件） #

如果你的CSV数据量很大，逐行apply的效率偏低，可以用stack写法，性能提升3~5倍：

sku_dict = (
    df.set_index("SKU")
      .stack()  # 自动丢弃所有NaN值，将列名转为二级索引
      .groupby(level=0)
      .apply(lambda group: group.droplevel(0).to_dict())
      .to_dict()
)

逻辑说明 #

• 第一步将SKU列设为行索引，作为最终字典的外层键
• 处理过程中自动跳过所有值为NaN的字段，不会出现在内层字典里
• 内层字典的键为原DataFrame的列名，值为对应非NaN的数值
• 注：你给出的目标示例里'Brown ball'为大小写笔误，代码生成的键名和原数据列名保持一致，为'Brown Ball'，和其余条目的命名规则统一。

内容的提问来源于stack exchange，提问作者nattik