Python中怎么PDF文件提取数据

这篇文章将为大家详细讲解有关python中怎么pdf文件提取数据，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

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)

关于Python中怎么PDF文件提取数据就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。