Как реализовать обработку датафрейма с помощью цепочки методов?

У меня есть до неприличия кривой брокерский отчет. Ссылка на исходный файл

Я его считываю следующим образом:

df = (
    pd.read_excel(tinkoff_folder + tinkoff_files[0], skiprows=7)
    .dropna(axis=0, how='all')
    .dropna(axis=1, how='all')
)

Для обработки всего массива я его разделяю на 2 части:

1. часть таблицы без смещения данных (фильтр по столбцу "Номер сделки" not .isna())
2. часть таблицы со смещением (фильтр по столбцу "Номер сделки" .isna())

Так выглядит код для первой части таблицы (дата фрейм обрабатывается с помощью цепочки методов):

last_row = int(df[df.isin(['1.2 Информация о неисполненных сделках на конец отчетного периода']).any(axis=1)].index[0])
columns_lst = ['Номер сделки', 'Дата заключения', 'Время', 'Вид сделки', 'Сокращенное наименование', 'Цена за единицу', 'Количество', 'Сумма сделки', 'Валюта расчетов', 'Дата расчетов']

# Первая часть таблицы
df1 = (
    df.copy()
    [0: last_row]                                                       # оставляю только нужные разделы отчета
    [~df['Номер сделки'].isna()]                                        # убираю смещенные вправо данные
    .drop(df.filter(regex='Unnamed', axis=1), axis=1)                   # убираю столбцы без значений
    .dropna(axis=0, how='all')                                          # удаляем пустые стоки
    [
        df[df.columns[~df.columns.str.match('Unnamed')][7]]             # выбираем сделки с валютой
        .str.contains(match) == True
        ]
    .set_axis(                                                           # удаляем спец. символы и лишние пробелы в наименованиях стобцов
        [col.strip() for col
         in list(pd.Series(df.columns[~df.columns.str.match('Unnamed')]).replace('\n', '', regex=True))]
        , axis=1
        )
    [columns_lst]                                                        # оставляем нужные столбцы
)

В данном случае я уверен, что все операции с датафреймом будут проведены корректно. Но при обработке второй части возникают проблемы (мне приходится использовать мутации).

df2 = (
    df.copy()[0:last_row]                                   # оставляю только нужные разделы отчета
    [df['Номер сделки'].isna()][1:]                         # оставляю смещенные вправо данные
    .dropna(axis=1, how='all').dropna(axis=0, how='all')    # удаляем пустые стоки/столбцы
)

Результат следующий (прошу учесть, что в первой строке есть символы \n, поэтому первая строка разбивается на несколько).

В этом моменте начинаются проблемы. Мне нужно взять первую строку из полученного df2 и использовать ее в качестве новых заголовков для столбцов (предварительно удалив спец. символы и лишние пробелы).

Я могу это реализовать следующим образом:

col_list2 = list(df2.iloc[0].astype(str).replace('\n', '', regex=True))
col_list2_strip = [col.strip() for col in col_list2]

df2_1 = df2.copy().set_axis(col_list2_strip, axis=1)

Получаю результат:

Далее я вынужен опять прибегать к мутации, так как на этот раз я буду обращаться к новым названиям столбцов:

columns_lst = ['Номер сделки', 'Дата заключения', 'Время', 'Вид сделки', 'Сокращенное наименование', 'Цена за единицу', 'Количество', 'Сумма сделки', 'Валюта расчетов', 'Дата расчетов']
df2_2 = (
    df2_1.copy()
    [columns_lst] # оставляем нужные столбцы
    [df2_1['Сокращенное наименование'].str.contains(match) == True] # выбираем сделки с валютой
)

И только после нескольких мутаций исходной таблицы я получаю корректную вторую часть таблицы:

Есть ли подход избежать данных мутаций или хотя бы быть уверенным, что последовательность преобразований массива будет выполнена корректно и избежать создания нескольких датафреймов?

Update: решил немного по другому подойти к решению проблемы. В первую очередь выделяю данные без смещения, схожим образом выделяю данные со смещением, привожу датафреймы в одному размеру и объединяю их.

last_row = int(df[df.isin(['1.2 Информация о неисполненных сделках на конец отчетного периода']).any(axis=1)].index[0])
columns_lst = ['Номер сделки', 'Дата заключения', 'Время', 'Вид сделки', 'Сокращенное наименование', 'Цена за единицу', 'Количество', 'Сумма сделки', 'Валюта расчетов', 'Дата расчетов']

dfs = []    # list для хранения датафреймов

# Первая часть таблицы
df1 = (
    df.copy()
    [0: last_row]                          # оставляю только нужные разделы отчета
    [~df['Номер сделки'].isna()]           # оставляю несмещенные вправо данные
    [df.columns[:-1]]                      # удаляю последний столбец (в нем нет данных)
    )

dfs.append(df1)

# Вторая часть таблицы
df2 = (
    df.copy()[0:last_row]                   # оставляю только нужные разделы отчета
    [df['Номер сделки'].isna()][1:]         # оставляю смещенные вправо данные
    [df.columns[1:]]                        # удаляю первый столбец (в нем нет данных)
    .set_axis(df1.columns, axis=1)
)

dfs.append(df2)

col_list = list(pd.Series(df1.columns).replace('\n', '', regex=True)) # удаляем спец символы 
col_list_strip = [col.strip() for col in col_list] # удаляем лишние пробелы

df_con = (
    pd.concat(dfs, ignore_index=True) # объединяем датафремы
    .set_axis(col_list_strip, axis=1) # переименовываем столбцы
    .dropna(axis=1, how='all').dropna(axis=0, how='all') # удаляем пустые столбцы/строки
)

# фильтруем полученный датафрейм
df_con_filtered = (
    df_con[df_con['Сокращенное наименование'].str.contains(match)][columns_lst]
)

Но по прежнему остается вопрос: как в данном случае применить цепочку методов?

Особенно это касается операции объединения датафреймов и фильтрации полученного датафрейма.