已提取TSA网站乘客数据，如何正确加载至Pandas DataFrame？

先修正数据提取的核心问题 #

你当前的代码里，doc(".views-align-center").text()会把所有匹配单元格的文本合并成一个无结构的大字符串（所有换行、单元格分隔都变成了空格），这直接导致后续的字符串拆分完全混乱，所以方法1和方法2都无法生成规范表格，得先从数据提取环节修正。

正确的提取与转换步骤 #

直接按表格的行结构提取数据，再转成DataFrame：

from pyquery import PyQuery as pq
import requests
import pandas as pd

url = "https://www.tsa.gov/travel/passenger-volumes"
content = requests.get(url).content
doc = pq(content)

# 遍历表格的每一行（tbody下的tr）
row_items = doc("tbody tr").items()
table_data = []
for row in row_items:
    # 提取当前行所有目标单元格的文本，去除首尾空白
    cell_texts = [cell.text().strip() for cell in row(".views-align-center").items()]
    # 跳过空行
    if cell_texts:
        table_data.append(cell_texts)

# 提取表头文本作为列名
header_texts = [header.text().strip() for header in doc("thead th").items()]

# 直接生成规范的DataFrame
df = pd.DataFrame(table_data, columns=header_texts)
print(df.head())

针对你提出的两种方法的分析 #

1. 方法1与unstack的可行性
   方法1的代码pd.DataFrame([x.split(' ') for x in Passengers.split(' ')])会把每个空格都作为拆分依据，得到的是一堆零散的字符串组成的二维列表，结构完全不符合表格的行列逻辑。unstack是用来处理多层索引数据的转置，对这种无结构的拆分结果完全无效，所以这种方式不可行。

2. 方法2的问题
   方法2只是把空格替换成分号，但原始的Passengers已经丢失了行的分隔信息（text()方法会把原表格的换行全部转成空格），即使替换成分号，也无法区分哪些内容属于同一行，后续无法正确拆分出每行数据，所以方法2也不是有效方案。

内容的提问来源于stack exchange，提问作者prashanth manohar