python從PDF中提取數(shù)據(jù)的示例

更新時間：2020年10月30日 16:03:48 作者：HuangWeiAI

這篇文章主要介紹了python從PDF中提取數(shù)據(jù)的示例，幫助大家提高辦公效率，感興趣的朋友可以了解下

前言

數(shù)據(jù)是數(shù)據(jù)科學(xué)中任何分析的關(guān)鍵，大多數(shù)分析中最常用的數(shù)據(jù)集類型是存儲在逗號分隔值(csv)表中的干凈數(shù)據(jù)。然而，由于可移植文檔格式(pdf)文件是最常用的文件格式之一，因此每個數(shù)據(jù)科學(xué)家都應(yīng)該了解如何從pdf文件中提取數(shù)據(jù)，并將數(shù)據(jù)轉(zhuǎn)換為諸如“csv”之類的格式，以便用于分析或構(gòu)建模型。

在本文中，我們將重點討論如何從pdf文件中提取數(shù)據(jù)表。類似的分析可以用于從pdf文件中提取其他類型的數(shù)據(jù)，如文本或圖像。我們將說明如何從pdf文件中提取數(shù)據(jù)表，然后將其轉(zhuǎn)換為適合于進(jìn)一步分析和構(gòu)建模型的格式。我們將給出一個實例。

示例:使用Python從PDF文件中提取一個表格

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，必須進(jìn)行重塑、清理和轉(zhuǎn)換。

b)導(dǎo)入必要的庫

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:

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)

g)導(dǎo)出最終數(shù)據(jù)到一個csv文件

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

以上就是python從PDF中提取數(shù)據(jù)的示例的詳細(xì)內(nèi)容，更多關(guān)于python 提取PDF數(shù)據(jù)的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章:

相關(guān)文章

python+pytest接口自動化之token關(guān)聯(lián)登錄的實現(xiàn)
公司某管理后臺系統(tǒng)，登錄后返回token，接著去請求其他接口時請求頭中都需要加上這個token，否則提示請先登錄，今天通過本文給大家介紹下python+pytest接口自動化之token關(guān)聯(lián)登錄的實現(xiàn)，感興趣的朋友一起看看吧
2022-04-04
對pandas的算術(shù)運(yùn)算和數(shù)據(jù)對齊實例詳解
今天小編就為大家分享一篇對pandas的算術(shù)運(yùn)算和數(shù)據(jù)對齊實例詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2018-12-12
python實現(xiàn)線程池的方法
這篇文章主要介紹了python實現(xiàn)線程池的方法,實例分析了Python線程池的原理與相關(guān)實現(xiàn)技巧,需要的朋友可以參考下
2015-06-06
Python多進(jìn)程使用及進(jìn)程池詳解
這篇文章主要為大家介紹了Python多進(jìn)程使用及進(jìn)程池詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
2023-06-06
詳解分布式任務(wù)隊列Celery使用說明
這篇文章主要介紹了詳解分布式任務(wù)隊列Celery使用說明，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧
2018-11-11
Python爬蟲設(shè)置ip代理過程解析
這篇文章主要介紹了Python爬蟲設(shè)置ip代理過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2020-07-07
PyQt5高級界面控件之QTableWidget的具體使用方法
這篇文章主要介紹了PyQt5高級界面控件之QTableWidget的具體使用方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2020-02-02
python編程使用PyQt創(chuàng)建UE藍(lán)圖
這篇文章主要為大家介紹了python編程中如何使用PyQt創(chuàng)建UE藍(lán)圖的示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步
2021-10-10
pyCharm中python對象的自動提示方式
這篇文章主要介紹了pyCharm中python對象的自動提示方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
2023-09-09
Python向excel中寫入數(shù)據(jù)的方法
這篇文章主要介紹了Python向excel中寫入數(shù)據(jù)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2019-05-05