pandas 中如何依据指定行取值筛选对应列子集构建新DataFrame

这套需求不需要手动逐列循环遍历，核心判断规则是：基于指定用户的行取值做非空校验，只保留该用户给出过评分的对应电影列，同时完整保留所有用户行的原有评分数据。 #

具体操作步骤 #

1. 定位指定用户对应的行数据
   直接通过pandas的行索引取值，比如目标用户行索引为0，执行df.loc[0]即可拿到该用户对所有电影的评分序列。
2. 校验行内非空值，提取目标列名
   对拿到的用户评分序列调用notna()方法，生成同长度的布尔掩码：掩码值为True的位置，对应用户给出过评分的电影列；值为False的位置，对应用户未评分的电影列。
   从布尔掩码中提取值为True的列名集合，就是新表需要保留的列。
3. 基于列名集合截取原DataFrame，生成新表
   用提取到的列名索引原DataFrame，即可得到符合要求的结果表。

可直接复用的代码 #

# 原始DataFrame对象命名为df
target_user_idx = 0  # 替换为实际需要指定的目标用户行索引
# 获取目标用户的评分行数据
user_rating_row = df.loc[target_user_idx]
# 筛选该用户非空评分对应的列
keep_cols = user_rating_row[user_rating_row.notna()].index
# 生成筛选后的新DataFrame
new_df = df[keep_cols]

注意事项 #

• 如果遇到目标用户所有评分为空的场景（比如示例中行索引为4的用户），上述代码会返回无任何数据列的空DataFrame，可以按需增加判断逻辑，比如检测到keep_cols长度为0时给出提示，避免后续数据操作报错。
• 该实现是pandas原生向量化操作，相比手动逐列遍历判断的效率更高，尤其当电影列数规模较大时性能优势更明显。
• 生成的新表会完整保留所有原始用户行的评分信息，仅过滤掉目标用户未评分的列，和示例给出的期望输出结构完全一致。

内容的提问来源于stack exchange，提问作者Cameron Cheung