如何在Python中提取列表中的Ticker数据并转换为DataFrame

问题背景 #

使用Tabula读取PDF后得到一个包含DataFrame的列表，需要从中提取Ticker列并转为单列DataFrame/Series：

file_path = "FQAL.pdf"
df = tabula.read_pdf(file_path, pages='all', encoding='cp1252')

解决方案 #

Tabula的read_pdf在指定pages='all'时，返回的是多个DataFrame组成的列表（每页对应一个DataFrame），分两种场景处理：

场景1：PDF仅一页表格（列表仅含一个DataFrame）

直接提取目标列并转为单列DataFrame：

import pandas as pd

# 提取Ticker列并转为DataFrame
ticker_df = df[0][['Ticker']]

# 若需要Series格式
ticker_series = df[0]['Ticker']

场景2：PDF含多页表格（列表含多个DataFrame）

遍历列表收集所有Ticker数据，再合并为单列：

import pandas as pd

all_tickers = []
for page_data in df:
    # 跳过无Ticker列的异常页
    if 'Ticker' in page_data.columns:
        all_tickers.append(page_data['Ticker'])

# 合并所有数据并转为单列DataFrame
ticker_series = pd.concat(all_tickers, ignore_index=True)
ticker_df = pd.DataFrame(ticker_series, columns=['Ticker'])

可选：清理缺失值

如果数据中有空值，可添加清理步骤：

ticker_df = ticker_df.dropna().reset_index(drop=True)

内容的提问来源于stack exchange，提问作者F Skinner