python从PDF中提取数据的示例

更新时间：2020年10月30日 16:03:48 作者：HuangWeiAI

这篇文章主要介绍了python从PDF中提取数据的示例，帮助大家提高办公效率，感兴趣的朋友可以了解下

前言

数据是数据科学中任何分析的关键，大多数分析中最常用的数据集类型是存储在逗号分隔值(csv)表中的干净数据。然而，由于可移植文档格式(pdf)文件是最常用的文件格式之一，因此每个数据科学家都应该了解如何从pdf文件中提取数据，并将数据转换为诸如“csv”之类的格式，以便用于分析或构建模型。

在本文中，我们将重点讨论如何从pdf文件中提取数据表。类似的分析可以用于从pdf文件中提取其他类型的数据，如文本或图像。我们将说明如何从pdf文件中提取数据表，然后将其转换为适合于进一步分析和构建模型的格式。我们将给出一个实例。

示例:使用Python从PDF文件中提取一个表格

a)将表复制到Excel并保存为table_1_raw.csv

数据以一维格式存储，必须进行重塑、清理和转换。

b)导入必要的库

import pandas as pd
import numpy as np

c)导入原始数据，重新定义数据

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)使用字符串处理工具进行数据纠缠

我们从上面的表格中注意到，x5、x6和x7列是用百分比表示的，所以我们需要去掉percent(%)符号:

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)将数据转换为数字形式

我们注意到列x5、x6和x7的列值数据类型为string，因此我们需要将它们转换为数值数据，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)查看转换数据的最终形式

df4.head(n=5)

g)导出最终数据到一个csv文件

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

以上就是python从PDF中提取数据的示例的详细内容，更多关于python 提取PDF数据的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

python+pytest接口自动化之token关联登录的实现
公司某管理后台系统，登录后返回token，接着去请求其他接口时请求头中都需要加上这个token，否则提示请先登录，今天通过本文给大家介绍下python+pytest接口自动化之token关联登录的实现，感兴趣的朋友一起看看吧
2022-04-04
对pandas的算术运算和数据对齐实例详解
今天小编就为大家分享一篇对pandas的算术运算和数据对齐实例详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-12-12
python实现线程池的方法
这篇文章主要介绍了python实现线程池的方法,实例分析了Python线程池的原理与相关实现技巧,需要的朋友可以参考下
2015-06-06
Python多进程使用及进程池详解
这篇文章主要为大家介绍了Python多进程使用及进程池详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2023-06-06
详解分布式任务队列Celery使用说明
这篇文章主要介绍了详解分布式任务队列Celery使用说明，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2018-11-11
Python爬虫设置ip代理过程解析
这篇文章主要介绍了Python爬虫设置ip代理过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-07-07
PyQt5高级界面控件之QTableWidget的具体使用方法
这篇文章主要介绍了PyQt5高级界面控件之QTableWidget的具体使用方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-02-02
python编程使用PyQt创建UE蓝图
这篇文章主要为大家介绍了python编程中如何使用PyQt创建UE蓝图的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
2021-10-10
pyCharm中python对象的自动提示方式
这篇文章主要介绍了pyCharm中python对象的自动提示方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2023-09-09
Python向excel中写入数据的方法
这篇文章主要介绍了Python向excel中写入数据，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-05-05

python从PDF中提取数据的示例

相关文章

最新评论

大家感兴趣的内容

最近更新的内容

常用在线小工具