Python中怎么PDF文件提取數(shù)據(jù)

這篇文章將為大家詳細(xì)講解有關(guān)Python中怎么PDF文件提取數(shù)據(jù)，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。

示例：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()

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(lèi)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)

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)

關(guān)于Python中怎么PDF文件提取數(shù)據(jù)就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。