python實(shí)現(xiàn)從PDF中提取數(shù)據(jù)

發(fā)布時(shí)間：2020-11-02 15:39:26 來(lái)源：億速云閱讀：174 作者：Leah 欄目：開發(fā)技術(shù)

python實(shí)現(xiàn)從PDF中提取數(shù)據(jù)？很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來(lái)學(xué)習(xí)下，希望你能有所收獲。

使用Python從PDF文件中提取一個(gè)表格

a)將表復(fù)制到Excel并保存為table_1_raw.csv

數(shù)據(jù)以一維格式存儲(chǔ)，必須進(jìn)行重塑、清理和轉(zhuǎn)換。

b)導(dǎo)入必要的庫(kù)

import pandas as pd
import numpy as np

c)導(dǎo)入原始數(shù)據(jù)，重新定義數(shù)據(jù)

df=pd.read_csv("table_1_raw.csv", header=None)
df.values.shape
df2=pd.DataFrame(df.values.reshape(25,10))
column_names=df2[0:1].values[0]
df3=df2[1:]
df3.columns = df2[0:1].values[0]
df3.head()

python實(shí)現(xiàn)從PDF中提取數(shù)據(jù)

d)使用字符串處理工具進(jìn)行數(shù)據(jù)糾纏

我們從上面的表格中注意到，x5、x6和x7列是用百分比表示的，所以我們需要去掉percent(%)符號(hào):

df4['x5']=list(map(lambda x: x[:-1], df4['x5'].values))
df4['x6']=list(map(lambda x: x[:-1], df4['x6'].values))
df4['x7']=list(map(lambda x: x[:-1], df4['x7'].values))

e)將數(shù)據(jù)轉(zhuǎn)換為數(shù)字形式

我們注意到列x5、x6和x7的列值數(shù)據(jù)類型為string，因此我們需要將它們轉(zhuǎn)換為數(shù)值數(shù)據(jù)，如下所示:

df4['x5']=[float(x) for x in df4['x5'].values]
df4['x6']=[float(x) for x in df4['x6'].values]
df4['x7']=[float(x) for x in df4['x7'].values]

f)查看轉(zhuǎn)換數(shù)據(jù)的最終形式

df4.head(n=5)

python實(shí)現(xiàn)從PDF中提取數(shù)據(jù)

g)導(dǎo)出最終數(shù)據(jù)到一個(gè)csv文件

df4.to_csv('table_1_final.csv',index=False)

看完上述內(nèi)容是否對(duì)您有幫助呢？如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請(qǐng)關(guān)注億速云行業(yè)資訊頻道，感謝您對(duì)億速云的支持。

向AI問(wèn)一下細(xì)節(jié)

python實(shí)現(xiàn)從PDF中提取數(shù)據(jù)

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽