如何合并Tabula提取PDF表格得到的DataFrame多行内容

这种从PDF里提取表格后遇到的分组合并需求太常见了，用pandas就能轻松搞定，我给你一步步说明操作方法：

核心思路 #

1. 先把Crop(Varieties)列的缺失值（NaN）用前一个非空的作物名称填充，确保同一作物的所有行都有对应的作物标签
2. 按填充后的作物列分组，把同属一个作物的Crop Specific Advisory内容合并成单行

具体代码实现 #

假设你已经用Tabula把PDF表格转换成了pandas的DataFrame（命名为df），执行以下代码：

import pandas as pd

# 步骤1：填充缺失的作物名称，用前一个非空值向下填充
df['Crop(Varieties)'] = df['Crop(Varieties)'].ffill()

# 步骤2：按作物分组，合并建议内容（这里用换行符分隔，可根据需求换成空格或其他符号）
merged_df = df.groupby('Crop(Varieties)')['Crop Specific Advisory'].agg(
    lambda x: '\n'.join([item.strip() for item in x.dropna()])
).reset_index()

代码细节说明 #

• ffill()：全称是forward fill，会自动把上一个非空的作物名称填充到下面所有的NaN行，这样同一作物的所有行就都有了统一的标识
• groupby('Crop(Varieties)')：按作物名称分组，把属于同一作物的所有行归为一组
• agg(lambda x: ...)：对每组的Crop Specific Advisory列做聚合操作：
  • x.dropna()：先过滤掉该组中为空的建议行（避免合并空字符串）
  • item.strip()：去掉每个建议行前后的多余空格或换行，让合并后的内容更整洁
  • '\n'.join(...)：用换行符把所有建议行连接起来，如果你想要用空格分隔，换成' '.join(...)即可

额外优化建议 #

如果你的原始数据里有重复的建议内容，可以在合并前先去重：

merged_df = df.groupby('Crop(Varieties)')['Crop Specific Advisory'].agg(
    lambda x: '\n'.join([item.strip() for item in x.dropna().unique()])
).reset_index()

内容的提问来源于stack exchange，提问作者anny