Pandas拆分长度不一致的列：问题排查与解决

问题背景 #

用tabula将PDF发票转换为Pandas DataFrame后，最后一列PVF c/ IVA PVA s/Tx Desc% Tx Inf. IVA% P.Unit. Total Liq.格式不符合要求，需要按空格拆分为7个目标列：PVFc/IVA、PVAs/Tx、Desc%、TxInf.、IVA%、P.Unit.、Total Liq.。正常行拆分后应为7个值（例如第二行对应'7,41', '6,30', '65,0', '0,03', '6', '2,24', '22,40'），但部分行拆分后仅得到6列——当PVP c/Iva为NaN或Esc.值为NETT时，这些行缺失PVFc/IVA的值，需要补0,00作为前缀，确保所有行拆分后都是7列。

尝试的预处理操作 #

• 替换空值为空格：

dataframe['placeHolderColumn'] = dataframe['placeHolderColumn'].fillna(value='')

• 将多空格替换为单空格后转为*作为分隔符：

dataframe["newColumn"]= dataframe['newColumn'].str.replace('  ','*')

• 统计分隔符数量：

dataframe["count2"]= dataframe['newColumn'].str.count('\*', re.I)

遇到的报错 #

执行拆分代码时出现错误：

dataframe[['c1','c2','c3','c4','c5','c6']] = dataframe['newColumn'].str.split('*', expand=True)

最终解决方法 #

排查后发现，拆分后实际会生成7个值，但代码中仅指定了6个列名，导致匹配报错。修改为指定7个列名后问题解决：

dataframe[['c1','c2','c3','c4','c5','c6', 'c7']] = dataframe['newColumn'].str.split('*', expand=True)

内容的提问来源于stack exchange，提问作者foliveir