Pandas 数据框求和不正确

问题描述

我有一个 pdf，我已经使用 tabula 将其转换为 pandas 数据框。由于有相当多的信息我不感兴趣，我使用 tabula 的 area 方法来格式化数据集，以便我可以访问我感兴趣的两个字段（员工 ID 和数字中每个支付期的总工作时间）和小时列，分别）。我使用了几个 for 循环和 if 语句来查找我感兴趣的值周围的字符串。代码应该总结每个员工 ID 的工作时间。请注意，有两个数据框，因为我无法使用 tabula 将 ID 号与支票号分开，因此一个数据框的支票号字符串为空字符串。

使用附近值提取的一个示例是，工作时间（在小时列中）始终位于名称列中带有“支票存款：”的行上方的一行。对于大多数脚本来说，这很好，但两次它似乎跳过了它检查的字符串，而是转到“Check Deposited:”的下一个实例。奇怪的是，对于这两个中的一个，循环应该首先移动到下一个员工 ID。相反，它再次使用第一个 ID 号，但获取第二个 ID 号的第一个工时值。然后第二个 ID 开始并为自己获取相同的第一个数字（这是正确的），但随后跳过了自己的工作时间。

知道我做错了什么吗？谢谢！

import tabula
from tabula.io import read_pdf
import pandas as pd
import numpy as np
from itertools import islice


# Read PDF into list of DataFrame
#dataframe = tabula.read_pdf("Payroll register Dept 2020 04.01.20 - 03.31.21.pdf",pages='all')

#tabula.convert_into("Payroll register Dept 2020 04.01.20 - 03.31.21.pdf","output.csv",columns = (100,190,250,300,400),output_format="csv",pages='all',guess=False)

df1 = pd.read_csv("output.csv",skiprows = 6)
output = pd.DataFrame(columns = ["Employee ID","Hours Worked"])
_id = []
_hours = []
_check = []
print(output)

df = df1.replace(np.nan,'',regex=True)

for e,i in enumerate(df["Name"]):
    
    if df["Name"].loc[e]== "Check Printed:" or 'Site Mana'in df["Name"][e]:
        df["Number"].loc[e] = ''

df.to_csv("Output_2.csv")

for ele,num in enumerate(df["Number"]):
    if num != '' and num.isnumeric() and num not in _id:
        _id.append(num)
        for index,row in islice(df.iterrows(),ele,None):

            if "Check Printed:" in df["Name"][index]:
                _hours.append(float(df["Hours"].iloc[index -1]))
                _check.append(df1["Number"][index])
                break
    elif num != '' and num.isnumeric() and num in _id:

        for index,None):
            if "Check Printed" in df["Name"][index] and df1["Number"][index] not in _check:

                print(df1["Number"][index])
                _hours[_id.index(num)] += float(df["Hours"].iloc[index -1])
                print(_hours[_id.index(num)])

                _check.append(df1["Number"][index])

                break


output["Employee ID"] = _id
output["Hours Worked"] = _hours

print(output)

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）