如何为初始零行的空pandas DataFrame动态逐行赋值
收据结构化提取的pandas实现方案
原实现的常见错误点
- 空DataFrame初始化失误:
df = pd.DataFrame只是把DataFrame类本身赋值给变量,没有生成实际的DataFrame实例,后续操作自然无法运行。哪怕要建空表,正确写法是df = pd.DataFrame(columns=["QTY", "Unit Price"]) - 空DataFrame无有效行时,直接用
df.at[i, 列名]赋值会触发索引越界——因为i对应的行根本不存在,没法对不存在的位置写值 - 遍历
df1.iterrows()时拿到的是(行索引, 行对象)的元组,直接判断'X' in line是在元组结构层面做包含判断,根本匹配不到单元格文本里的X标记
最优动态填充逻辑
pandas的DataFrame不适合做频繁的逐行追加(每次写入新行都会触发全量内存拷贝,长文本下性能极差),最稳妥的动态积累方式是先用Python原生列表/字典攒结构化数据,遍历完成后一次性转换成DataFrame,也就是你最终调整出来的字典缓冲思路:
- 提前初始化空字典对应目标列:
df_dict = {"QTY": [], "Unit Price": []} - 遍历单列存储的原始收据内容,定位带数量标记的行:
- 对原始行做格式清理:去掉前后空白、把千位分隔符
,替换为空,用X做分隔(限定拆分第一次出现的X,避免商品名里带X的内容被误判) - 拆分后的内容能成功转成浮点数,就把对应数值追加到字典的列表里;转换失败就跳过当前行
可运行的核心逻辑:
for line in df1.itertuples(index=False): raw_text = line[0] if "X" in raw_text: try: cleaned_text = raw_text.strip().replace(",", "") qty, unit_price = [part.strip() for part in cleaned_text.split("X", 1)] df_dict["QTY"].append(float(qty)) df_dict["Unit Price"].append(float(unit_price)) except ValueError: continue - 对原始行做格式清理:去掉前后空白、把千位分隔符
- 全量遍历完成后,一次性生成正式DataFrame:
result_df = pd.DataFrame(df_dict)
硬要逐行扩展DataFrame的注意事项
如果一定要直接对DataFrame做逐行写入,需要每次写入前先为DataFrame补充新的空行,示例写法:
df = pd.DataFrame(columns=["QTY", "Unit Price"]) for line_text in df1.iloc[:, 0]: if "X" in line_text: try: cleaned_text = line_text.strip().replace(",", "") qty, unit_price = [float(part.strip()) for part in cleaned_text.split("X", 1)] # 向DataFrame末尾追加新行 df.loc[len(df)] = [qty, unit_price] except ValueError: continue
这种写法仅适合小体量收据场景,内容量大时性能远低于字典攒数据的方案。
备注:示例里的商品名称行、小计行因为不满足“X拆分后两侧是有效数值”的规则,会在浮点数转换环节被自动跳过,不会混入最终提取的结果中。
内容的提问来源于stack exchange,提问作者WeisSchwarz
相关产品推荐
相关产品推荐

