如何使用Python查询小数据集

我需要使用Python从csv文件中识别数据子集的帮助。我有一个包含水果清单的数据集，还有一个类型字段，如下所示

Item    Type   
Apple   10         
Orange  5          
Pear    8          
Apple   10  
Pear    5
Orange  2
Pear    5

我需要能够识别/将此数据集拆分为水果和类型的子集

预期输出是另一个字段，该字段带有一个数字，用于指示其应进入的类别：

 Item    Type   Category
 Apple   10     1
 Orange  5      2   
 Pear    8      3   
 Apple   10     1
 Pear    5      4
 Orange  5      2
 Pear    5      4

---

我是Python新手，所以需要实际逻辑方面的帮助

我不太理解你的问题

如果要读取csv文件，可以使用

pandas

import pandas as pd

pd.read_csv('myfile.csv')

---

您也可以使用

sep

参数来使用自定义分隔符。

我假设预期答案的最后一行应该保留为“橙色2”，用于项目和类型：

import pandas
df = pandas.DataFrame([['Apple', '10'], 
                       ['Orange', '5'], 
                       ['Pear', '8'], 
                       ['Apple', '10'], 
                       ['Pear', '5'], 
                       ['Orange', '2'], 
                       ['Pear', '5']], 
                      columns = ['Item', 'Type'])

categories = []
for index,row in df.iterrows():
    if tuple(row) not in categories:
        categories.append(tuple(row))
df["Category"] = [categories.index(tuple(row))+1 for index,row in df.iterrows()]
print(df)

这将给

     Item Type  Category
0   Apple   10         1
1  Orange    5         2
2    Pear    8         3
3   Apple   10         1
4    Pear    5         4
5  Orange    2         5
6    Pear    5         4

---

因为这里没有特殊的熊猫操作，所以使用熊猫并不是必要的（尽管它可能对其他操作有用）。关键是要定义一个唯一的元组列表，记录每个项目和类型的组合，并使用索引函数再次查找它。

我不理解这个问题，你能显示预期的输出吗？到目前为止你尝试了什么？如果你不理解这个问题，请不要发布答案我正试图帮助你，因为我理解它，等待作者的澄清。他澄清了，这不是他想要的答案在OP编辑预期输出之前发布的。现在不确定预期输出是否正确-橙色2已更改为橙色5。OP现在应该澄清了。谢谢！这个假设很好。但是如果我们不使用熊猫，解决方案会有所不同吗？不会，因为类别列中的项目列表是在没有熊猫帮助的情况下构建的。因此，您可以使用常用的open（）函数读取文件并拆分行，然后使用“for line in line”而不是“for index，row in…”。通常情况下，在数据帧的行上进行迭代是个坏主意，事实上，这应该是绝对的最后手段