我有一个从Tableau导入的文件，我已经手动转换过了（为了去除代码中无法处理的特殊字符和不需要的列）。
我想做的是不必手动处理它，但我找不到解决方案。
从原来的Excel文件，我只需要三列我会命名为A，B和C一旦你删除所有无用的列，它会看起来像这样的东西（我不写其他列，但我们必须摆脱他们）。

• • 重要提示：在列C中，它不是空格，而是一个特殊字符：**
    

| A类|乙|C级|
| - ------|- ------|- ------|
| 项目名称|参考文献1|一百一十一元|
| * 与上述细胞融合 | 与上述细胞融合 *|15 214美元|
| * 与上述细胞融合 | 与上述细胞融合 *|462 134美元|
| * 与上述细胞融合 | 与上述细胞融合 *|七万零九百元|
| 项目名称2|参考文献2|787 741美元|
| * 与上述细胞融合 | 与上述细胞融合 *|四万一千四百一十四元|
| * 与上述细胞融合 | 与上述细胞融合 *|462 134美元|
| * 与上述细胞融合 | 与上述细胞融合 *|四千五百元|
| * 与上述细胞融合 | 与上述细胞融合 *|二千四百一十五元|
| 项目名称3|参考文献3|一百一十一元|
| 项目名称4|参考文献4|六十四万二千八百七十四元|

• • 编辑：融合细胞截图：**

在最终文件中，我需要通过对C volumn中的值求和，使所有行成为一行，并将结果放在指示项目名称的行中。
提前感谢您的建议!
下面是我转换文件的实际代码（是的，我导入了一个csv，但原始文件是Excel，csv是在我手动转换Excel文件之后：

elif typeOfFile == "9":
     #Import Excel file
     DataMonthly = pd.read_csv (filename, usecols = ['A', 'B', 'C'], sep=';')

     # Select only Wanted Data
     df=pd.DataFrame(DataMonthly)

     #Create a "DPAC" column and fill it with the specified code of the entity
     df['DPAC'] = 'code'
     firstCol = df.pop('DPAC')
     df.insert(0, 'DPAC', firstCol)

     #Create an 'Item' Column
     df['Item'] = np.nan
     firstCol = df.pop('Item')
     df.insert(1, 'Item', firstCol)

     df.columns.values[2] = 'A'
     df.columns.values[3] = 'B'

     #Create a 'Segment' Column
     df['Segment'] = ''
     firstCol = df.pop('Segment')
     df.insert(4, 'Segment', firstCol)

     #Create an 'EndCustomerCountry' Column
     df['EndCustomerCountry'] = ''
     firstCol = df.pop('EndCustomerCountry')
     df.insert(5, 'EndCustomerCountry', firstCol)

     df.columns.values[6] = 'C'

     #Create a 'SubSegment' Column
     df['SubSegment'] = ''
     firstCol = df.pop('SubSegment')
     df.insert(7, 'SubSegment', firstCol)

     #Create a 'TechnologyName' Column
     df['TechnologyName'] = ''
     firstCol = df.pop('TechnologyName')
     df.insert(8, 'TechnologyName', firstCol)

     #Define cols
     new_cols = ['DPAC', 'Item', 'A', 'B', 'Segment', 'EndCustomerCountry', 'C', 'SubSegment', 'TechnologyName']
     df=df.reindex(columns=new_cols)

     #Clean "C" column
     df['C'] = df['C'].str.replace(r'\s', '')
     df['C'] = df['C'].str[1:]
     print(df['C'])

     # aggregation_functions = {'C': 'sum'}
     # df = df.groupby(df['B']).aggregate(aggregation_functions)

     #Create Dataframe
     df = pd.DataFrame(data=df).reset_index(drop=True)

     if file_exists:
         df.to_csv ('C:/Program Files/Data_Arranger/Output Files/Monthly.csv', mode='a', header=False, index=False)
     else:
          df.to_csv ('C:/Program Files/Data_Arranger/Output Files/Monthly.csv', mode='a', header=True, index=False)