pandas获取指定国家对应result列非NaN值及筛选报错解决

代码不生效的核心问题是loc的列索引参数传入错误：你传入的是变量country的值（比如UK），但你的DataFrame中不存在名为UK的列，你需要提取的是result列的数值，所以列索引位置应该传入'result'而不是country。

首先确保已经导入依赖库：

import pandas as pd
import numpy as np

单个国家查询实现：

country = 'UK'
mask_country = df['country'] == country
mask_result = df['result'].notnull()
# 正确写法，取result列后转列表
result_list = df.loc[mask_country & mask_result, 'result'].tolist()
print(result_list) # 输出 ['A', 'B']

如果需要批量获取所有国家的对应结果，可以直接用groupby聚合：

all_country_res = df.dropna(subset=['result']).groupby('country')['result'].agg(list).to_dict()
print(all_country_res) # 输出 {'UK': ['A', 'B'], 'US': ['C', 'D', 4]}

新增自定义校验规则过滤即可：

def filter_valid_val(x):
    # 仅保留非空、非全空格的字符串类型值
    return isinstance(x, str) and x.strip() != ''

# 单个国家查询
country = 'US'
mask_country = df['country'] == country
mask_valid = df['result'].apply(filter_valid_val)
result_list = df.loc[mask_country & mask_valid, 'result'].tolist()
print(result_list) # 输出 ['C', 'D']，数值类型的4会被过滤

批量获取所有国家的合规结果：

all_valid_res = df[df['result'].apply(filter_valid_val)].groupby('country')['result'].agg(list).to_dict()
print(all_valid_res) # 输出 {'UK': ['A', 'B'], 'US': ['C', 'D']}

内容的提问来源于stack exchange，提问作者JFerro