使用pdfplumber提取PDF表格后，如何修正DataFrame格式错误？

核心操作步骤 #

直接通过Pandas对目标行进行列内容合并，并清理冗余行：

1. 合并指定行的列内容：将第6行与第7行、第8行与第9行、第10行与第11行的第2列说明文本合并到对应行的第1列
2. 删除冗余空白行：移除合并后不再需要的第7、9、11行
3. 重置索引：保证行索引连续

实现代码 #

import pandas as pd

# 假设df是你用pdfplumber提取得到的DataFrame
# 合并ONGC及其区块说明
df.loc[6, 0] = f"{df.loc[6, 0].strip()} {df.loc[7, 1].strip()}"
# 合并OIL及其区块说明
df.loc[8, 0] = f"{df.loc[8, 0].strip()} {df.loc[9, 1].strip()}"
# 合并Pvt/JVs及其区块说明
df.loc[10, 0] = f"{df.loc[10, 0].strip()} {df.loc[11, 1].strip()}"

# 删除冗余行
df = df.drop(index=[7, 9, 11]).reset_index(drop=True)

# 可选：清理所有None值为空白字符串（按需使用）
df = df.fillna("")

处理后效果示例 #

处理后的DataFrame第1列会呈现如下格式：

• ONGC (Nomination Block)
• OIL (Nomination Block)
• Pvt/JVs (PSC/RSC Regime)
  其余数据行也会自动对齐，不再有空白行干扰。

内容的提问来源于stack exchange，提问作者Trepetaky