如何在Pandas中合并因长描述拆分的账户账单DataFrame行？

不用逐行迭代，完全可以用Pandas的向量化操作搞定，核心是先给需要合并的行打上同一个分组标签，再按组聚合处理：

步骤1：准备示例数据 #

先把你给出的示例转成DataFrame：

import pandas as pd
import numpy as np

data = {
    'Description': ['e-Transfer - Autodeposit', '                   AF6hdfUdV', 'Credit Card Payment'],
    'Withdrawals': ['', '', '46.78'],
    'Deposits': ['', '17.45', '']
}
df = pd.DataFrame(data)
# 把空字符串转成NaN，方便后续判断
df = df.replace('', np.nan)

步骤2：生成分组标识 #

判断每行是否是完整记录行（即Withdrawals或Deposits有值），然后用cumsum()生成分组ID，再向前填充，让拆分的两行归为同一组：

# 标记完整记录行（有金额的行）
df['is_complete'] = df[['Withdrawals', 'Deposits']].notna().any(axis=1)
# 生成分组ID，完整行作为新组的起点
df['group_id'] = df['is_complete'].cumsum()
# 向前填充分组ID，让上一行拆分的描述行和当前完整行同组
df['group_id'] = df['group_id'].ffill()

步骤3：按组聚合合并 #

对每个分组，合并Description列，同时提取Withdrawals和Deposits的非空值：

merged_df = df.groupby('group_id').agg(
    Description=('Description', lambda x: ' '.join(x.str.strip())),
    Withdrawals=('Withdrawals', lambda x: x.dropna().iloc[0] if not x.dropna().empty else np.nan),
    Deposits=('Deposits', lambda x: x.dropna().iloc[0] if not x.dropna().empty else np.nan)
).reset_index(drop=True)

最终结果 #

运行后merged_df就是合并好的DataFrame：

关键逻辑说明 #

• 利用cumsum()生成分组：完整记录行（有金额）会触发分组ID递增，拆分的描述行因为没有金额，会继承下一行的分组ID（通过ffill()）
• 聚合时用str.strip()去掉描述文本的多余空格，再拼接成完整描述
• 金额列取分组内的非空值，保证每个分组只保留有效金额

内容的提问来源于stack exchange，提问作者bronislav