Python 从一个CSV中选择一个值列表，并获取不同CSV中列表值的计数

我正在编写python代码，以计算CSV中某个列中出现的几个值

示例-CSV1如下所示

**Type  Value**
Simple  test
complex problem
simple  formula
complex theory
simple  idea
simple  task

我需要得到类型simple和complex的值的内容，即

**Type    Value**
simple  test
simple  formula
simple  idea
simple  task

complex theory
complex problem

并查询其他CSV，该CSV是CSV1，关于

简单列表即[测试、公式、想法、任务]和复杂列表即[理论、问题]

其他CSV2是

**Category**
test
test
test
formula
formula
formula
test
test
idea
task
task
idea
task
idea
task
problem
problem
theory
problem
problem
idea
task
problem
test

CSV1和CSV2都是动态的，以CSV1为例，类型为“simple”，获取相应值的列表，并参考CSV2了解每个值的计数。即测试计数、想法计数、任务计数、公式计数

复杂类型也一样 我用pandas尝试了多种方法，但没有预期结果。请使用任何指针。

使用：

df2['cat'] = df2['Category'].map(df1.set_index('Value')['Type'])

df2 = df2['cat'].value_counts().rename_axis('a').reset_index(name='b')
print (df2)
         a   b
0   simple  18
1  complex   6

使用：

---

很像@jezrael，但是我会首先使用第二个csv进行分组。如果第二个csv非常大，这将有助于合并

df2=cv2.groupby('value').agg(cnt=('value','count')).reset_index()

这将给我一个包含两列的数据帧，value和count

现在，您可以将其与CV1合并

df1 = cv1.merge(df2,on=['value'],how='inner')

---

很像@jezrael，但是我会首先使用第二个csv进行分组。如果第二个csv非常大，这将有助于合并

df2=cv2.groupby('value').agg(cnt=('value','count')).reset_index()

这将给我一个包含两列的数据帧，value和count

现在，您可以将其与CV1合并

df1 = cv1.merge(df2,on=['value'],how='inner')

---

和查询其他CSV的事件总数

-这意味着合并另一个数据框一个计数？是否可以向问题添加另一个数据并添加预期输出？

和查询其他CSV的事件总数

-这意味着合并另一个数据框一个计数？是否可以向问题添加另一个数据并添加预期输出ut？谢谢@jezrael，但是我没有让它工作。我已经编辑了我的问题，请你帮我复习一下好吗once@goe-好的，但mybe您忘记了从csv添加预期输出。输出是简单类型的值总数，以及复杂类型的值总数CSV2@goe这意味着存在重复项，需要

导入熊猫作为pddf1=pd.read_csv（“csv1.csv”）df2=pd.read_csv（“csv2.csv”）#print（df1）#print（df2）df1=df1.drop_duplicates（'Value'）df2['cat']=df2['Category'].map（df1.set_index（'Value'）['Type']）df2=df2['cat'].Value#计数（）.重命名_轴（'a'）。重置(索引（'name='b'）打印（df2）

@goe我认为有必要进行研究，找出失败的数据。如果在这个数据中工作，而不是在实际数据中工作，这是真正的数据问题。因此需要筛选前10、20、50、n行，找出数据失败的地方，然后在那里查找问题。谢谢@jezrael，但我没有找到这个工作。我已经编辑了我的问题，请您帮助重新编辑看法once@goe-好的，但mybe您忘记了从csv添加预期输出。输出是简单类型的值总数，以及复杂类型的值总数CSV2@goe这意味着存在重复项，需要

导入熊猫，因为pd df1=pd.read_csv（“csv1.csv”）df2=pd.read_csv（“csv2.csv”）#print（df1）#print（df2）df1=df1.drop_duplicates（'Value'）df2['cat']=df2['Category'].map（df1.set_index（'Value'）['Type']）df2=df2['cat'].Value_counts（）。重命名_轴（'a'）。重置_index（name='b'）打印（df2）

@goe我认为有必要进行研究，找出失败的数据。如果在这些数据中工作，而不是在实际数据中工作，这是真正的数据问题。因此需要筛选前10、20、50、n行，找出数据失败的地方，然后在那里查找问题。