如何处理DataFrame中object类型空单元格，拆分发票为单行记录

原函数报错原因 #

你的自定义函数报错在fila_restante = fila_restante[col_vacia+1:]，核心问题是**col_vacia是列名字符串，无法直接与整数1相加**，这会触发类型错误。此外，转置后处理多列的逻辑反而复杂化了问题，更高效的方式是直接在原始单列DataFrame上操作。

正确实现步骤 #

原始数据是单列结构，用空字符串（''）分隔不同发票，我们可以通过分组标识+透视转换的方式，将每个发票转为一行：

完整代码示例

import pandas as pd

# 假设你的原始单列DataFrame为df，列名为"Columna 1"
# 步骤1：生成发票分组ID——每遇到一个空字符串，分组ID自增1
df['invoice_id'] = (df['Columna 1'] == '').cumsum()

# 步骤2：过滤掉空行（分隔用的空单元格）
df_filtered = df[df['Columna 1'] != ''].copy()

# 步骤3：为每个发票内的字段分配顺序序号
df_filtered['field_order'] = df_filtered.groupby('invoice_id').cumcount()

# 步骤4：透视转换——将同发票的多行字段转为一行多列
df_invoices = df_filtered.pivot(
    index='invoice_id',
    columns='field_order',
    values='Columna 1'
).reset_index(drop=True)

# 可选：为列命名（根据实际发票字段含义调整）
df_invoices.columns = [f'发票字段_{i+1}' for i in df_invoices.columns]

代码说明 #

1. 分组ID生成：利用cumsum()累计空字符串的出现次数，自动为每个发票分配唯一ID。
2. 过滤空行：移除用于分隔发票的空单元格，只保留有效发票数据。
3. 字段序号：给每个发票内的字段按顺序编号，确保透视后字段顺序正确。
4. 透视转换：将每个发票的多行数据转为一行，实现“每行对应一张发票”的需求。

优势 #

• 全程使用Pandas矢量化操作，比iterrows()循环效率高得多，适合处理1000+行的数据集。
• 完美适配你提到的object类型空字符串（而非NaN）的场景，无需额外类型转换。

内容的提问来源于stack exchange，提问作者Ingrid