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将语句中的列的不同行连接起来？

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

正如您所看到的，有lineNo、left、top和word_num列，所以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

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PDF来的，所以它捕捉到了整行，因为整行来了，输出没有意义，我现在想做的是以一种有意义的方式对文本进行分组。例如 让我们说一下，我使用以下方法得到的输出：

g=df['line_num'].ne（df['line_num'].shift（））.cumsum（） out='\n'.join（df.groupby（g）['text'].agg（''.join）） 打印（输出）

输出=

“我的名字是raghav#40@gmail.com

问题变得复杂了2019美元1月”

预期产量=

“我叫拉格哈夫

*四十

@gmail.com

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

据我所知，我们可以通过以下步骤来实现： a） 如果x距离<阈值，则对同一行上的单词进行分组

b） 如果y距离<阈值，则下一行上的单词将与上一行分组

阈值为宽度（图像）/100；x距离是从左开始计算的；y距离是从顶部开始计算的

我们可以这样做吗？ 如果问题不够清楚，请告诉我！ 谢谢

---

添加了我试图获得输出的图像，其中的数据有点复杂，我已经根据自己的想法对其进行了更改

使用double

join

-与，然后用于输出

系列

：

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

另一个解决方案包括：

编辑：

---

要回答您的第二个问题，可以尝试像这样迭代该列

phrase = ""

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

---

若要添加空格/…，我同意jezrael，请使用str.cat方法。

您好，对于单页PDF，@jezrael，如果您可以帮助我使用4页PDF实现同样的效果，对于您的信息，每一页“行号”都从1开始！因此，我使用这个命令接收的输出是将所有文本与数字1连接起来，而我的要求是获得单个行的输出。可能吗？请回复@RaghavenderRohilla-是的，检查答案

EDIT

的最后一段。你能用这个命令告诉我“g=df['line\u num'].ne（df['line\u num'].shift（））.cumsum（）”什么是“ne”？正在搜索但无法找到？谢谢@RaghavenderRohilla-当然，是检查你的gmail@jezrael我发了一些邮件。

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 !!!!

phrase = ""

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