Python中如何正确整理从docx提取的含换行符DataFrame？

你的问题出在只对第一列做了换行拆分和展开，但没有将每行的内容拆分成对应的多列，导致所有数据挤在同一列。结合目标表格样式，按以下步骤处理：

1. 读取CSV并初步处理 #

首先读取CSV文件，拆分第一列的换行内容并展开成单行：

import pandas as pd

# 读取CSV（假设无表头）
df = pd.read_csv('output2.csv', header=None)

# 拆分第一列的换行内容并展开
df[0] = df[0].str.split('\n')
df = df.explode(0).reset_index(drop=True)

# 过滤空行（清理无效数据）
df = df[df[0].str.strip() != ''].reset_index(drop=True)

2. 将单行内容拆分成多列 #

此时每行的0列包含完整的一行数据（年份+对应数值），用空格（或制表符，根据实际内容调整）拆分出多列：

# 按空格拆分列（如果是制表符分隔就用'\t'）
df = df[0].str.split('\s+', expand=True)

# 设置表头：取第一行作为列名，后续为数据行
header = df.iloc[0]
df = df[1:]
df.columns = header
df.reset_index(drop=True, inplace=True)

3. 数据类型转换（可选） #

如果数值列存在格式问题，可转换为数值类型：

# 转换数值列类型（根据实际列名调整范围）
for col in df.columns[1:]:
    df[col] = pd.to_numeric(df[col], errors='coerce')

处理后DataFrame会按照目标样式显示，年份与对应数值将匹配到正确列中。

内容的提问来源于stack exchange，提问作者Prototype51