做的好的农产品网站,网站怎么看是什么程序做的,公众号平台官网网页版,昆明电子商务网站建设前言数据是数据科学中任何分析的关键#xff0c;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#xff0c;由于可移植文档格式(pdf)文件是最常用的文件格式之一#xff0c;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#xff0c;并…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 pdimport numpy as npc)导入原始数据重新定义数据dfpd.read_csv(table_1_raw.csv, headerNone)df.values.shapedf2pd.DataFrame(df.values.reshape(25,10))column_namesdf2[0:1].values[0]df3df2[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(n5)g)导出最终数据到一个csv文件df4.to_csv(table_1_final.csv,indexFalse)原文链接https://medium.com/towards-artificial-intelligence/extracting-data-from-pdf-file-using-python-and-r-4ed8826bc5a1
