如何在For循环中合并多个Pandas DataFrame（PDF Plumber场景）

你的代码只输出最后一页处理结果的原因很明确：循环过程中每次都会用新的页数据覆盖temp_pdf变量，最后执行pd.concat([temp_pdf])时，只把最后一页的DataFrame合并进去了，前面所有页的处理结果都被丢弃了。

要合并所有页的处理结果，只需要先初始化一个空列表来存储每一页处理好的DataFrame，循环中把处理完成的temp_pdf添加到列表，最后一次性合并列表里的所有DataFrame即可。

修改后的代码如下：

# 初始化空列表，存储每一页处理后的DataFrame
processed_dfs = []

for i in range(len(self.pdf_text)):
    print(self.pdf_text[i])

    temp_pdf = pd.DataFrame(self.pdf_text[i])
    temp_pdf.drop([col for col in temp_pdf.columns if temp_pdf[col].apply(lambda x:'(' in str(x)).any()], axis=1,inplace=True)
    temp_pdf = temp_pdf.drop([col for col in temp_pdf.columns if temp_pdf[col].eq('sky').any()], axis=1)
    temp_pdf = temp_pdf.drop([col for col in temp_pdf.columns if temp_pdf[col].eq('high').any()], axis=1)
    temp_pdf = temp_pdf.drop([col for col in temp_pdf.columns if temp_pdf[col].eq('temp').any()], axis=1)
    temp_pdf = temp_pdf.drop([col for col in temp_pdf.columns if temp_pdf[col].eq('structure)').any()], axis=1)
    # temp_pdf = temp_pdf.drop(temp_pdf.iloc[:, 4:9], axis=1)
    temp_pdf.columns = range(temp_pdf.columns.size)
    
    # 将当前页处理好的DataFrame加入列表
    processed_dfs.append(temp_pdf)

# 合并所有页的DataFrame，ignore_index=True重置索引避免重复
combinedpdf = pd.concat(processed_dfs, ignore_index=True)
print(combinedpdf)

关键改动说明 #

• 循环前新增processed_dfs = []：用来保存每一页处理后的结果，避免被后续循环覆盖
• 循环末尾新增processed_dfs.append(temp_pdf)：把当前页处理好的DataFrame存入列表
• 合并时用pd.concat(processed_dfs, ignore_index=True)：一次性合并列表中所有DataFrame，ignore_index=True会重新生成连续的索引，避免不同页的索引重复导致的问题

内容的提问来源于stack exchange，提问作者user19795989