如何从df.to_dict生成的嵌套字典中移除NaN值

嘿，我来帮你搞定这个嵌套字典里的NaN清理问题！你用df.to_dict()导出的字典带着不少NaN，其实有两种实用思路，看你想保留嵌套结构还是转成普通扁平字典：

方法一：保留嵌套结构，递归移除NaN #

因为你的数据是多层嵌套的字典，我们可以写个递归函数，一层层遍历所有键值对，遇到值为NaN的键直接跳过，碰到子字典就继续深入处理。这里用pd.isna()判断NaN最稳妥，它能识别各种类型的空值（比如numpy的nan、pandas的NaT），不会像原生math.isnan()那样对非数值类型报错。

import pandas as pd

def clean_nested_nan(original_dict):
    cleaned_dict = {}
    for key, value in original_dict.items():
        # 跳过值为NaN的键
        if pd.isna(value):
            continue
        # 如果是子字典，递归清理
        elif isinstance(value, dict):
            cleaned_subdict = clean_nested_nan(value)
            # 子字典清理后不为空才保留，避免留空字典
            if cleaned_subdict:
                cleaned_dict[key] = cleaned_subdict
        # 非NaN且非字典的正常值直接保留
        else:
            cleaned_dict[key] = value
    return cleaned_dict

# 假设你的原始嵌套字典是dic
cleaned_nested = clean_nested_nan(dic)

方法二：转成扁平字典，自动过滤NaN #

如果你不需要保留嵌套结构，直接从DataFrame生成扁平字典会更省事。df.stack()方法会把多层索引压平，同时自动丢弃NaN值，之后转字典就一步到位了：

# 直接从DataFrame生成无NaN的扁平字典
flat_cleaned = df.stack().to_dict()

# 如果你已经有了嵌套字典dic，也可以转成Series再处理
flat_series = pd.Series(dic).stack()
flat_cleaned = flat_series.to_dict()

生成的扁平字典键是元组格式（比如('1/13/2018', 0)），对应原嵌套结构的层级关系，所有NaN都已经被过滤掉了。

内容的提问来源于stack exchange，提问作者Joe