Python中怎么PDF文件提取數據

這篇文章將為大家詳細講解有關(guān)Python中怎么PDF文件提取數據，文章內容質(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相關(guān)知識有一定的了解。

示例：使用Python從PDF文件中提取一個(gè)表格

a) 將表復制到Excel并保存為table_1_raw.csv

數據以一維格式存儲，必須進(jìn)行重塑、清理和轉換。

b) 導入必要的庫

import pandas as pd import numpy as np

c) 導入原始數據，重新定義數據

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)行數據糾纏

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) 將數據轉換為數字形式

我們注意到列x5、x6和x7的列值數據類(lèi)型為string，因此我們需要將它們轉換為數值數據，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) 查看轉換數據的最終形式

df4.head(n=5)

g) 導出最終數據到一個(gè)csv文件

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