如何将指定数组转为DataFrame并为首行生成满足求和条件的nxt_item列

现有一个列名为['item','Space','rem_spc']的数组，具体如下：

array([['Pineapple', 0.5, 0.5],
       ['Mango', 0.75, 0.25],
       ['Apple', 0.375, 0.625],
       ['Melons', 0.25, 0.75],
       ['Grape', 0.125, 0.875]], dtype=object)

需要完成以下操作：

• 将该数组转换为DataFrame
• 新增['nxt_item']列，仅为数组第一行（Pineapple行）生成该列值，要求找到首个由其他项的Space值之和等于Pineapple的rem_spc值的项集合。

预期输出：

item        Space   rem_spc     nxt_item
Pineapple   0.5     0.5         {Apple, Grape}      #0.5 = 0.375 + 0.125
Mango       0.75    0.25
Apple       0.375   0.625
Melons      0.25    0.75
Grape       0.125   0.875

使用pandas处理数组转DataFrame，结合组合遍历找到符合条件的项集合，完整代码如下：

import pandas as pd
import numpy as np
from itertools import combinations

# 原始数组
arr = np.array([['Pineapple', 0.5, 0.5],
                ['Mango', 0.75, 0.25],
                ['Apple', 0.375, 0.625],
                ['Melons', 0.25, 0.75],
                ['Grape', 0.125, 0.875]], dtype=object)

# 转换为DataFrame并修正数值类型
df = pd.DataFrame(arr, columns=['item', 'Space', 'rem_spc'])
df[['Space', 'rem_spc']] = df[['Space', 'rem_spc']].astype(float)

# 获取目标值与其他项数据
target = df.loc[0, 'rem_spc']
other_items = df.iloc[1:]

# 遍历子集找首个符合条件的组合
result_set = None
for subset_size in range(1, len(other_items)+1):
    for combo in combinations(other_items.itertuples(), subset_size):
        total_space = sum(item.Space for item in combo)
        # 处理浮点数精度问题，用近似相等判断
        if abs(total_space - target) < 1e-9:
            result_set = {item.item for item in combo}
            break
    if result_set:
        break

# 为第一行赋值nxt_item
df.loc[0, 'nxt_item'] = str(result_set) if result_set else None

# 输出结果
print(df.to_string(index=False))

代码说明：

1. 先将数组转为DataFrame，把Space和rem_spc列转为浮点型，确保计算精度
2. 提取Pineapple的rem_spc作为目标值，同时取出除Pineapple外的所有项
3. 从单元素子集开始遍历所有可能的组合，计算组合的Space总和，找到第一个与目标值近似相等的组合
4. 将找到的项集合赋值给第一行的nxt_item，其余行保持空值

内容的提问来源于stack exchange，提问作者user12345