通过将行拆分为现有列来扩展行答案

【问题标题】：expanding a row by splitting it into existing columns通过将行拆分为现有列来扩展行
【发布时间】：2021-05-07 11:11:30
【问题描述】：

我已经使用 tabula-py 命令从 pdf 中读取表格，代码如下：

table = tabula.read_pdf(files[0],pages = 'all',multiple_tables = True, stream = True)

有时来自两列的值会合并为一列（由单个空格分隔）。例如：

col0	col1	col2	col3	col4	col5	col6	col7
a1	b1 c1	d1	e1 f1	g1	h1	NA	NA
a2	b2	c2	d2	e2	f2	g2	h2

如何将值重新调整到正确的列中，以获得：

col0	col1	col2	col3	col4	col5	col6	col7
a1	b1	c1	d1	e1	f1	g1	h1
a2	b2	c2	d2	e2	f2	g2	h2

【问题讨论】：

标签： pandas dataframe split reshape

【解决方案1】：

你可以试试

table = tabula.read_pdf(files[0],pages = 'all',multiple_tables = True,guess = False, stream = True)

【讨论】：

【解决方案2】：

以空格分隔输出
替换第 1 步中引用的字符串
以空格分隔回读

import io
df = pd.read_csv(io.StringIO("""col0    col1    col2    col3    col4    col5    col6    col7
a1  b1 c1   d1  e1 f1   g1  h1  NA  NA
a2  b2  c2  d2  e2  f2  g2  h2"""), sep="\t")

df = pd.read_csv(io.StringIO(df.to_csv(sep=" ").replace("\"", "")), sep="\s+")

输出

col0 col1 col2 col3 col4 col5 col6 col7
  a1   b1   c1   d1   e1   f1   g1   h1
  a2   b2   c2   d2   e2   f2   g2   h2

【讨论】：