使用pandas将爬取的网页表格拆分为航空公司、目的地独立列表

pandas.read_html()返回的airlines[3]是DataFrame类型对象，直接对DataFrame执行for i in xxx循环时，默认迭代对象是列名（表头），不是表格里的行数据，所以循环只能拿到"Airlines"、"Destinations"两个表头字段，读不到实际存储的业务数据。

不需要手写逐行循环做提取，pandas原生提供了列数据转Python列表的方法，代码更简洁运行效率更高：

import pandas as pd
airlines = pd.read_html('https://en.wikipedia.org/wiki/Tan_Son_Nhat_International_Airport')
target_df = airlines[3]

# 提取对应列数据，过滤空值后转为原生列表
airlines_list = target_df['Airlines'].dropna().tolist()
destination_list = target_df['Destinations'].dropna().tolist()

如果需要逐行遍历做数据清洗（比如去掉维基百科表格自带的[1][2]类引用脚注、多余空白字符），要使用DataFrame的iterrows()方法遍历行，不能直接遍历DataFrame本身：

airlines_list = []
destination_list = []

# 逐行遍历表格
for _, row in target_df.iterrows():
    # 跳过空行
    if pd.isna(row['Airlines']) or pd.isna(row['Destinations']):
        continue
    # 可自定义清洗逻辑
    clean_airline = row['Airlines'].strip()
    clean_dest = row['Destinations'].strip()
    airlines_list.append(clean_airline)
    destination_list.append(clean_dest)

注意：维基百科的表格经常会合并单元格、插入引用标记，提取后如果发现数据和预期不符，可以逐行打印row内容做针对性清洗。

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