Pandas批量处理DataFrame每行删除NaN转Series及DataFrame的实现方法

解决方案 #

你可以通过遍历DataFrame的行批量完成处理，推荐优先将所有处理结果存入字典统一管理，避免污染全局变量空间，代码如下：

import pandas as pd
import numpy as np

# 你的原始DataFrame构造代码
data = {'card_name': ['Diamonds', 'Clovers', 'HorseShoe'], '$20': [1000.0, 10.0, np.nan], '$25': [500.0, np.nan, 1873.0], '$30': [25, 213, 4657], '$40': [np.nan, 2199.0, np.nan], '$50': [1500.0, np.nan, 344.0], '$70': [np.nan, 43.0, 239.0], '$75': [30.0, 2.0, np.nan], '$100': [1.0, np.nan, 748.0]}
df = pd.DataFrame(data)

# 批量处理核心代码
card_result = {}
for _, row in df.iterrows():
    card_name = row['card_name']
    # 执行和单条处理完全一致的逻辑：删NaN→转DataFrame
    card_result[card_name] = row.dropna().to_frame()

使用时直接通过卡片名取对应结果即可，和你之前单独写代码得到的输出完全一致：

# 调用示例
print(card_result['Diamonds'])
print(card_result['Clovers'])
print(card_result['HorseShoe'])

如果你确实需要直接用Diamonds/Clovers这类变量名直接访问处理结果，可以用动态赋值的方式实现（不推荐，容易造成变量冲突）：

for _, row in df.iterrows():
    card_name = row['card_name']
    globals()[card_name] = row.dropna().to_frame()

# 直接访问变量
print(Diamonds)

内容的提问来源于stack exchange，提问作者peoplet