Python实现CSV文件Types列与预设标签列表的重复数据比对展示

• 核心需求：读取CSV数据集提取Types列后，逐行比对预设labels标签列表，精准输出每行与标签列表的重复匹配项，匹配结果需对应原始行索引
• 原遍历逻辑的匹配失效原因：Types列的单元格内容为字符串形式的列表文本，并非Python原生列表对象；直接传入集合求交集时，会将字符串拆解为单个字符参与匹配，完全无法识别完整标签

原逻辑存在的缺陷 #

现有遍历代码：

# 初始编写的筛查逻辑
for i in place_type:
  print (i)
  a=set(labels).intersection(i)
  print(a)

• 未做格式转换，匹配维度错误，无法输出完整标签的匹配结果
• 未绑定原始DataFrame索引，输出无法和数据集行位置一一对应

优化后可直接复用的代码实现 #

import pandas as pd
from ast import literal_eval

# 1. 预处理Types列：将字符串格式的列表文本解析为原生Python列表，兼容空值场景
place_type = csv['Types'].apply(
    lambda cell_content: literal_eval(cell_content) if isinstance(cell_content, str) else []
)

# 2. 预先将labels转为集合结构，将匹配效率从O(n)提升至O(1)
label_collection = set(labels)

# 3. 逐行遍历完成匹配，绑定原始索引输出结果
for row_idx, type_content in place_type.items():
    # 计算两个集合的交集，即同时存在于行内容和预设标签的重复项
    matched_items = label_collection.intersection(type_content)
    # 按可读格式输出
    print(f"索引 {row_idx} 的匹配重复项：{list(matched_items)}")

匹配效果对照 #

基于提供的列内容片段，输出结果符合预期：

• 索引0位置：行内容包含spa、lodging，匹配输出为['spa', 'lodging']
• 索引2、3、4位置：行内容包含spa，匹配输出为['spa']
• 索引991、992、994、995位置：行内容包含tourist_attraction，匹配输出为['tourist_attraction']
• 索引993位置：行内容包含zoo、tourist_attraction，匹配输出为['zoo', 'tourist_attraction']

本次比对使用的预设labels列表：

labels = ['amusement_park', 'campground', 'park', 'tourist_attraction', 'zoo',
          'clothing_store', 'department_store', 'library', 'lodging', 'movie_theater', 'shopping_mall', 'spa',
          'bakery' , 'bar', 'cafe', 'convenience_store', 'liquor_store', 'night_club', 'restaurant', 'store',
          'art_gallery', 'church', 'hindu_temple', 'mosque', 'museum', 'aquarium', 'synagogue']

内容的提问来源于stack exchange，提问作者JsBoon