Python 沿着panda系列进行迭代，将以字母开头的行附加到以数字开头的行的末尾

我在使用python进行for循环时遇到了一些问题。下面是一个单列数据帧示例。我发现的大多数示例都是针对一次性处理整个数据帧的。或者搜索一个单词并附加到前一行

What I am trying to do: Forgive me trying to sound it out in a logical way.
1-Start at (0,Test) in the series.
2-Check element at (0,Test) for number at first position (0). If True, then hold and (store) 
  pre_number_line.
3-Goto next line down.
4-Check element (1,Test) for number at first position (0). If False, then check first position for 
  letter.
5-If first character True for letter, concatenate current line at the end of the pre_num_line or 
  (0,Test) position line in this case.
6-Delete current row & shift rows up.(instead maybe change string(line) to NaN and delete all NaN at 
  end of code). Not sure which is easier.
7-Analyze next row down at (2,Test) repeat process starting at step 2. 
8-End loop when all rows with letters (at 1st position) have been appended to the pre_num_line.
9-Next row down, should start with numbers. This will be the new pre_num_line. 

列出的只是字符串的开头。尽管如此，字符串可以包含数字和字母。每行的第一个位置始终是数字或字母（不区分大小写）。每个字母行必须与上面的编号行合并（在末尾）。在处理结束时，只存在编号的行

import pandas as pd
from pandas import DataFrame, Series


dat = {'Test': ['123456ab', 'coff-4', 'eat 8', 'bagle6', '345678-edh', 'wine', 'bread','567890 tfs', 
       'grape']}
df = pd.DataFrame(dat)

letters = 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'
numbers = '0123456789'


#------------------- 
pre_num_lin = None

for line in df.Test:
    if line[0] in numbers:
        pre_num_lin = df['Test']

if line[0] in letters:
    pre_num_lin = pre_num_lin + ' ' + line

#------------------

print(df)



What it should look like at end:
Test
0 123456ab coff-4 eat 8 bagle6
1 345678-edh wine 4 bread
2 567890 tfs grape

我感谢你们的时间和知识。如果您有任何问题，请告诉我。

试试这个：

df.groupby(df['Test'].str[0].str.isnumeric().cumsum())['Test'].agg(' '.join)

输出：

Test
1    123456ab coff-4 eat 8 bagle6
2           345678-edh wine bread
3                567890 tfs grape
Name: Test, dtype: object

详情：

使用字符串访问器和零索引器获取第一个字母

df['Test'].str[0]

等于

df['Test'].str.get（0）

（只需少打字）

接下来，使用字符串访问器和

isnumeric

方法检查该字符是否为数字。这将返回一个布尔级数

df['Test'].str[0].str.isnumeric()

0     True
1    False
2    False
3    False
4     True
5    False
6    False
7     True
8    False
Name: Test, dtype: bool

现在，我们可以使用

cumsum

创建如下行分组：

df['Test'].str[0].str.isnumeric().cumsum()

0    1
1    1
2    1
3    1
4    2
5    2
6    2
7    3
8    3
Name: Test, dtype: int32

最后，我们可以使用生成分组的序列来分组，并应用string

join

的聚合：

df.groupby(df['Test'].str[0].str.isnumeric().cumsum())['Test'].agg(' '.join)

Test
1    123456ab coff-4 eat 8 bagle6
2           345678-edh wine bread
3                567890 tfs grape
Name: Test, dtype: object

---

感谢您及时回复。哇，一行。！！给人印象深刻的现在，我需要分解代码，了解它的作用。你能帮点忙吗。每个部分都做些什么。“我会很感激的。”布默说，当然。我会详细说明这里发生了什么。斯科特，谢谢你花时间来做这件事并帮助我。令人印象深刻！！我的错，我早做了，它不让我。我想我批准它的速度太快了。总之，一切都很好。再次谢谢你，拿着Care@Boomer非常感谢。保持安全和健康！