如何使用表中的pandas将字符串行组合成一行，或者如何使用python将语句中列的不同行连接起来？

Question

输入：

LineNo  word_num    left    top  width  text
1       1           322     14   14     My
1       2           304     4    41     Name
1       3           322     5    9      is
1       4           316     14   20     Raghav
2       1           420     129  34     Problem 
2       2           420     31   27     just
2       3           420     159  27     got
2       4           431     2    38     complicated
1       1           322     14   14     #40
1       2           304     4    41     @gmail.com   
2       1           420     129  34     2019 
2       2           420     31   27     January

如您所见，有列lineNo、left、top和word\u num，因此我尝试使用这两个列获取一些逻辑，也许我可以实现我的解决方案。你知道吗

我想在输出中做一些调整，实际上这个输出是在转换成图像后通过一个PDF来的，所以它抓住了整行，因为整行来了，输出没有意义，我现在想做的是将文本以一种有意义的方式分组。例如 假设我通过使用以下命令得到的输出：

g=df['line\u num'].ne（df['line\u num'].shift（））.cumsum（） out='\n'。加入(数据框groupby（g） ['text'].agg（''.join）） 打印（输出）

输出=

“我叫拉格哈夫40@gmail.com你知道吗

问题变得复杂了“2019年1月”

预期输出=

“我叫拉格哈夫

*40个

你知道吗@gmail.com你知道吗

问题变得复杂了

2019年1月”

无论它们是否在同一行中，它们都在不同的行中，但逻辑上分组在不同的行中。你知道吗

在我看来，也许我们可以通过以下步骤来实现： enter image description here a） 如果x距离<；阈值，则将同一行上的单词分组

b）如果y距离小于阈值，则下一行的单词与上一行的单词分组

阈值为宽度（图像）/100；x距离从左侧计算；y距离从顶部计算。你知道吗

我们能这样做吗？ 如果问题不够清楚，请告诉我！ 谢谢！你知道吗

添加的图像，我正试图得到输出，数据在这是有点复杂，我已经改变了它根据我！你知道吗

Answer 1

将双精度join-与^{}一起使用，然后对输出Series：

out = '.....'.join(df.groupby('LineNo')['text'].agg(' '.join))
print (out)
My Name is Raghav.....Roll No. # 242

使用^{}的另一种解决方案：

out = df.groupby('LineNo')['text'].agg(' '.join).str.cat(sep='.....')

编辑：

g = df['LineNo'].ne(df['LineNo'].shift()).cumsum()
out = '.....'.join(df.groupby(g)['text'].agg(' '.join))
print (out)
My Name is Raghav.....Roll No. # 242.....hello the problem just.....got more complicated !!!!

Answer 2

要回答您的第二个问题，可以尝试像这样遍历该列。你知道吗

phrase = ""

for i in range(0, df.count):
    if type(df.iat[i, 'text']) == str:
        phrase = phrase + " " + df.iat[i, 'text']

要添加空格/…，我同意耶斯雷尔的观点，请使用结构类别方法。你知道吗