如何重命名 Pandas 中未命名的列？

Question

我有一个包含 table 的 pdf，我正在尝试将 table 转换为 Pandas。众所周知，提取 pdf tables 很难，但我发现 tabula 效果最好。这是我所见过的最好的，尽管仍然不完美。我有这个 pdf table:

请注意 table 的 header，以及它们有时如何运行到下一行，并且通常不太好。我是在介绍真正的问题，因为我能看到的所有解决方案都需要一种更好的方法来首先创建数据框。这个数据框是我能得到的最好的，但如果你知道如何从 tabula 中得到更好的数据框，请告诉我。

我使用tabula-py，运行这个代码：

holdingsDF = tbla.read_pdf(fileName, nospreadsheet=True)

有很多选项，我并不知道所有的选项，但这似乎是我在摆弄选项之后能做的最好的。结果 DF 是这样的：

         Unnamed: 0                  Unnamed: 1      Unnamed: 2 Identifier Unnamed: 4 Curren Unnamed: 6 TAG0 Strategy  
0        Asset Type                        Name      Identifier        NaN   Quantity    NaN      Price           NaN  
1               NaN                         NaN             NaN       Type        NaN     cy        NaN          Name  
2            Equity     Akamai Technologies Inc  AKAM US Equity     TICKER    (5,830)    USD     65.000          AKAM   
3  Convertible Bond             AKAM 0 02/15/19    US00971TAG67       ISIN  1,595,000    USD    100.875          AKAM   
4            Equity  Advanced Micro Devices Inc   AMD US Equity     TICKER  (181,500)    USD     13.490           AMD  
5  Convertible Bond          AMD 2 1/8 09/01/26    US007903BD80       ISIN  1,650,000    USD    185.500           AMD

如果您仔细观察，您会发现 header 已经被分成了前三行。我该如何解决？是否有任何聪明、优雅的解决方案来为每列取三个名称的 'best'，并将其作为列名称？

谢谢！！

Answer 1

这是一个纯粹的 pandas 解决方案 - 假设数据框的读取完全按照下面粘贴的方式进行。

df.columns = df.columns.str.replace('Unnamed.*', '') + \
             df.iloc[0].fillna('') + \
             df.iloc[1].fillna('')

df.drop([0,1], inplace=True)


1        Asset Type                        Name      Identifier  \
2            Equity     Akamai Technologies Inc  AKAM US Equity   
3  Convertible Bond             AKAM 0 02/15/19    US00971TAG67   
4            Equity  Advanced Micro Devices Inc   AMD US Equity   
5  Convertible Bond          AMD 2 1/8 09/01/26    US007903BD80   

1 IdentifierType   Quantity Currency    Price TAG0 StrategyName  
2         TICKER    (5,830)      USD   65.000              AKAM  
3           ISIN  1,595,000      USD  100.875              AKAM  
4         TICKER  (181,500)      USD   13.490               AMD  
5           ISIN  1,650,000      USD  185.500              None

如何重命名 Pandas 中未命名的列？

How to rename unnamed columns in Pandas?

python

pandas

dataframe

tabula