假设你在使用pd.read_csv后得到了第一个DataFrame，试着：
1.由于其他列对于卖方总是NaN，因此可以使用此列获得卖方名称的Series

1. ffill创建“卖方”列
2. drop行，其中数量为NaN

df["Seller"] = df["Product"].where(df["Quantity"].isna()).shift().ffill()
df = df.dropna(subset="Quantity")

>>> df
  Product  Quantity  Unit $  Total $    Seller
1   12551       1.0     5.0      5.0  1 - JOHN
2   14445       2.0     4.0      8.0  1 - JOHN
4    1200       5.0     2.0     10.0  2 - JACK
5   00155       4.0     3.0     12.0  2 - JACK

您可以尝试如下操作：

• 使用带有正则表达式模式的Series.str.contains为所有“Sellers”创建一个布尔掩码（m）（True）（有关解释，请参阅here）。
• 使用Series.where和m作为输入和前向填充（使用Series.ffill）。使用df.assign将其添加到df中，作为“Seller”列。
• 现在，使用[~m]（一元运算符~反转布尔值）从df中仅选择m == False的行，并重置索引（df.reset_index）。
  验证码

# assuming "Seller" entries follow pattern: "1 - NAME1", "2 - NAME2", etc.
m = df['Product'].str.contains('^\d+\s-\s')

out = df.assign(Seller=df['Product'].where(m).ffill())[~m].reset_index(drop=True)

out

  Product  Quantity  Unit $  Total $    Seller
0   12551       1.0     5.0      5.0  1 - JOHN
1   14445       2.0     4.0      8.0  1 - JOHN
2    1200       5.0     2.0     10.0  2 - JACK
3   00155       4.0     3.0     12.0  2 - JACK

如果您确定其他列中的一列将 * 始终 * 包含NaN值，则可以更轻松地执行此操作。请参阅@not_speshal的answer。但是，对于一个从一开始就有明显缺陷的csv文件，您可能希望安全起见。

使用的设置

import pandas as pd
from io import StringIO

s = """Product,Quantity,Unit $,Total $
"1 - JOHN",,,
"12551",1,5.00,5.00
"14445",2,4.00,8.00
"2 - JACK",,,
"1200",5,2.00,10.00
"00155",4,3.00,12.00"""

df = pd.read_csv(StringIO(s))

df

    Product  Quantity  Unit $  Total $
0  1 - JOHN       NaN     NaN      NaN
1     12551       1.0     5.0      5.0
2     14445       2.0     4.0      8.0
3  2 - JACK       NaN     NaN      NaN
4      1200       5.0     2.0     10.0
5     00155       4.0     3.0     12.0