将列表转换为数据帧|制表|使用|模板（）读取| pdf |

Question

问题陈述：

我使用Tabula App用户界面从PDF文件中选择表的维度作为表格模板，以JSON格式给出维度

选择表维度后提取表的table App界面中的DataFrame是正确的

但是，当我使用^{}方法返回List对象时。当我将这个列表对象转换为DataFrame时，它会合并不同的列

---

代码片段：

1. 在使用read_pdf_with_template()方法之后

• file是PDF文件
• tabula_saved.json是创建的PDF文件的JSON维度模板 使用tabla应用程序界面

tables = tabula.read_pdf_with_template(file, "tabula_saved.json")
tables

输出：

[   0  \ 
 0   01/02/2018   
 1   01/02/2018   
 2   01/02/2018   
 3   01/02/2018    
 
   1 \
                      
 0   01/02/2018 7777 31-JAN-18M2M Cash Dep Chrgs 202.00                          
 1   01/02/2018 4115 NEFT : 00003- TV 18 HOME  5,52,743.00                         
 2   01/02/2018 4115 NEFT : AXISP1-TECH 25,252.00                          
 3   01/02/2018 1221 To ECS  : ECS-TP UIA 911387 66,733.00                         
 
      2   
 0     40,233.11  
 1   5,92,976.11  
 2   6,18,228.11  
 3   5,51,495.11

1. 尝试使用以下代码转换为数据帧后

df = pd.DataFrame()
df = pd.concat([c for c in tables]).drop_duplicates()
df = df.replace(r'^\s*$', np.nan, regex=True)
df = df[df.isnull().sum(axis=1) < df.shape[1] - 2].reset_index(drop=True)
df

输出：

| 0           | 1                                                     | 2           |
|-------------|-------------------------------------------------------|-------------|
| 01/02/2018  | 01/02/2018 7777 31-JAN-18M2M Cash Dep Chrgs 202.00    | 40,233.11   |
| 01/02/2018  | 01/02/2018 4115 NEFT : 00003- TV 18 HOME  5,52,743.00 | 5,92,976.11 |
| 01/02/2018  | 01/02/2018 4115 NEFT : AXISP1-TECH 25,252.00          | 6,18,228.11 |
| 01/02/2018  | 01/02/2018 1221 To ECS  : ECS-TP UIA 911387 66,733.00 | 5,51,495.11 |

---

在表格应用程序界面中提取的数据帧是正确的

| Txn Date    | Value Date | Brn Code | Particulars                 | Ref No | Debit     | Credit      | Balance           |
|-------------|------------|----------|-----------------------------|--------|-----------|-------------|-------------|
| 01/02/2018  | 01/02/2018 | 7777     | 31-JAN-18M2M Cash Dep Chrgs |        | 202.00    |             | 40,233.11   |
| 01/02/2018  | 01/02/2018 | 4115     | NEFT : 00003- TV 18 HOME    |        |           | 5,52,743.00 | 5,92,976.11 |
| 01/02/2018  | 01/02/2018 | 4115     | NEFT : AXISP1-TECH          |        |           | 25,252.00   | 6,18,228.11 |
| 01/02/2018  | 01/02/2018 | 1221     | To ECS  : ECS-TP UIA        | 911387 | 66,733.00 |             | 5,51,495.11 |

---

Note: Please Ignore the columns header in this question.

Answer 1

你想要这个吗

col_list = ['Value Date', 'Brn Code', 'Particulars', 'Ref No', 'Debit',
       'Credit']
df['merged'] = df.apply(lambda x: ' '.join(x[col] for col in col_list), axis=1)