建站
咨詢
售后
建站咨詢
新聞中心
這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
創(chuàng)新互聯(lián)Python教程：詳解利用python提取pdf文本數(shù)字
說明：從PDF文件中提取其他類型的數(shù)據(jù)，如文本或圖像。將說明從pdf文件中提取數(shù)據(jù)表，然后將其轉(zhuǎn)換為適合于進一步分析和構(gòu)建模型的格式，以一個實例作為介紹。
使用python從PDF文件中提取一個表格
1、將表復制到Excel并保存為table_1_raw.csv
數(shù)據(jù)以一維格式存儲，必須進行重塑、清理和轉(zhuǎn)換。
2、導入必要的庫
import pandas as pd import numpy as np
3、導入原始數(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()4、使用字符串處理工具進行數(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))
5、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]
6、查看轉(zhuǎn)換數(shù)據(jù)的最終形式
df4.head(n=5)
7、最后導出最終數(shù)據(jù)到一個csv文件
df4.to_csv('table_1_final.csv',index=False)從第一步開始內(nèi)容就很不簡單，大家邊看邊動手就很容易理解哦~如需了解更多python實用知識，點擊進入PyThon學習網(wǎng)教學中心。
（推薦操作系統(tǒng)：windows7系統(tǒng)、Python 3.9.1，DELL G3電腦。）
文章標題：創(chuàng)新互聯(lián)Python教程：詳解利用python提取pdf文本數(shù)字
轉(zhuǎn)載源于：http://fisionsoft.com.cn/article/coehhec.html
