Pandas报错：'Series' object has no attribute 'Columns' 数据聚合求助

问题背景 #

需求：当表格A、B列为空时，将对应行的C列内容聚合到上方非空行的C列中。现有代码在部分PDF表格可正常运行，但处理某特定PDF表格时抛出错误：'Series' object has no attribute 'columns'。

原始代码 #

from tabula import read_pdf 
from tabulate import tabulate
import pandas as pd
import numpy as np

Page_No = 45
tables = read_pdf('/content/210812154731_DECK CRANE - MACGREGOR HAGGLUND - TG 5795-36.5 130-2 - N00024-93-C-2220 - PARTS MANUAL.pdf',  pages=Page_No)
data_df = pd.DataFrame(tables[0])

out= data_df.ffill().groupby(['Item', 'SMR','CAGE','Part Number','Qty'], as_index=False)['Description'].agg(' '.join)

原始数据（模拟结构） #

期望输出 #

报错原因分析 #

错误的核心原因：

1. tabula.read_pdf返回的tables[0]并非预期的DataFrame，而是单列Series——这是因为目标PDF表格结构异常，读取时未正确识别多列。
2. 代码中groupby使用的列名（如Item、SMR）与实际读取到的列名不匹配，且当输入为Series时，不存在columns属性，直接触发错误。

修正方案 #

步骤1：优化PDF表格读取 #

添加stream=True参数让tabula按文本流解析，适配复杂结构的PDF；显式指定列拆分位置，确保正确识别A、B、C三列。

步骤2：统一数据结构与列名 #

增加类型判断，兼容返回Series的情况，手动重命名列名匹配需求中的A、B、C。

步骤3：空值填充与聚合 #

用ffill()填充A、B列的空值，再按A、B分组聚合C列内容。

修正后的代码 #

from tabula import read_pdf 
import pandas as pd
import numpy as np

Page_No = 45
# 用stream模式解析，指定列拆分位置（需根据PDF实际列位置调整数值）
tables = read_pdf(
    '/content/210812154731_DECK CRANE - MACGREGOR HAGGLUND - TG 5795-36.5 130-2 - N00024-93-C-2220 - PARTS MANUAL.pdf',
    pages=Page_No,
    stream=True,
    columns=[80, 180, 280]
)

# 处理读取结果，确保为DataFrame并匹配列名
if isinstance(tables[0], pd.Series):
    data_df = tables[0].to_frame()
    data_df.columns = ['temp']
    # 从临时列拆分A、B、C（需根据数据特征调整匹配规则）
    data_df['A'] = np.where(data_df['temp'].str.len() <= 5, data_df['temp'], np.nan)
    data_df['B'] = np.where(data_df['temp'].str.match(r'^\w{5,6}$'), data_df['temp'], np.nan)
    data_df['C'] = np.where(data_df['temp'].str.match(r'^\w{5}$'), data_df['temp'], np.nan)
else:
    data_df = pd.DataFrame(tables[0])
    data_df.columns = ['A', 'B', 'C']

# 填充A、B列的空值
data_df[['A', 'B']] = data_df[['A', 'B']].ffill()

# 按A、B分组聚合C列
out = data_df.groupby(['A', 'B'], as_index=False)['C'].agg(lambda x: ' '.join([str(i) for i in x if pd.notna(i)]))

print(out)

关键说明 #

• columns=[80,180,280]：需根据PDF中A、B、C列的实际位置调整数值，确保tabula正确拆分列。
• 列拆分规则：如果PDF中A、B、C列的数据格式有明显特征（如长度、字符类型），可调整np.where的匹配条件，精准拆分列。
• 空值过滤：聚合时加入空值判断，避免C列空值被拼接成无效内容。

内容的提问来源于stack exchange，提问作者Pravin