如何移除DataFrame表头并转为数据行（Tabula读PDF场景）

我用tabula读取PDF表格，执行代码：

tables = tabula.read_pdf(file, pages="all")

代码能正常运行，tables是DataFrame列表，每个元素对应PDF里的一张表格。但每个DataFrame的第一行被识别成了列名（表头），行索引为0、1、2……

当前DataFrame格式：

Component manufacturer               DMNS
0         Component name               KL32/OOH8
1         Component type               LTE-M/NB-IoT
2       Package markings               <pin 1 marker>\ ksdc 99cdjh
3              Date code               Not discerned
4           Package type               127-pin land grid array (LGA)
5           Package size               26.00 mm × 10.11 mm × 3.05 mm

期望的DataFrame格式：

0                                1
0       Component manufacturer           DMNS
1       Component name                   KL32/OOH8
2       Component type                   LTE-M/NB-IoT
3       Package markings                 <pin 1 marker>\ ksdc e99cdjh
4       Date code                        Not discerned
5       Package type                     127-pin land grid array (LGA)
6       Package size                     26.00 mm × 10.11 mm × 3.05 mm

如何实现这种格式转换？

方法一：读取PDF时直接禁用表头识别 #

tabula的read_pdf方法提供了header参数，设置为None即可让第一行作为普通数据行，而非列名。修改后的读取代码：

tables = tabula.read_pdf(file, pages="all", header=None)

这样读取的DataFrame会自动用数字（0、1...）作为列名，第一行数据也会保留在DataFrame内，直接符合需求。

方法二：转换已读取的DataFrame #

如果已经完成读取，不想重新读取PDF，可以遍历每个DataFrame，将原列名转为第一行数据，再重置列名：

import pandas as pd

processed_tables = []
for df in tables:
    # 将原列名转为一行数据
    header_row = pd.DataFrame([df.columns.tolist()], columns=range(df.shape[1]))
    # 重置原DataFrame的列名为数字索引
    df.columns = range(df.shape[1])
    # 合并表头行与原数据，重置索引
    processed_df = pd.concat([header_row, df], ignore_index=True)
    processed_tables.append(processed_df)

这段代码兼容任意列数的表格，处理后每个DataFrame都会变成你期望的格式。

内容的提问来源于stack exchange，提问作者spoikayi