python从字符串中提取数字并转换为相应数据类型_python从PDF中提取数据的示例
01
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。
02
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数据的资料请关注萬仟网其它相关文章!
希望与广大网友互动??
点此进行留言吧!
python从字符串中提取数字并转换为相应数据类型_python从PDF中提取数据的示例相关推荐
- 将数字n转换为字符串并保存到s中
将数字n转换为字符串并保存到s中 参考 C程序设计语言 #include <stdio.h> #include <string.h> //reverse函数: 倒置字符串s中各 ...
- python判断字符串是纯数字_python判断字符串是否纯数字的方法
本文实例讲述了python判断字符串是否纯数字的方法.分享给大家供大家参考.具体如下: 判断的代码如下,通过异常判断不能区分前面带正负号的区别,正则表达式可以根据自己需要比较灵活的写,通过isdigi ...
- SQL 提取数字并转换为数字格式
SQL 提取数字并转换为数字格式 解决 x层 提取数字x 并按大小排序问题: 原代码: SELECT name, max(floor) , floor FROM table group by name ...
- Python判断字符串是否为数字
文章目录 问题描述 解决方案 修改内置类型 百分号字符串转数字 参考文献 问题描述 本文版本为 Python 3.8 str.isdigit() 仅可判断非负整数 print('0'.isdigit( ...
- python处理pdf提取指定数据_python从PDF中提取数据的示例
01 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 ...
- python pdf提取数据_python从PDF中提取数据的示例
01 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 ...
- python中的数字类型格式与运算_Python中的数字类型格式与运算
出品 Python中的数字(Digital)与数学中的数字相同,可以通过各种各样的运算符实现各种计算,在Python中数字类型的数据格式分为以下几种: 1.整数型(integer) 2.浮点数(flo ...
- python 判断是否为数字(整型、浮点型),Python判断字符串是否为数字、浮点数、字母...
前言 在Python中处理字符串的函数比较丰富,有时需要把字符串转化为整形.浮点型等:转换过程中,发现有时会报错,比如字符串"12*76",转换为整形,直接转换int(" ...
- Python判断字符串是否为数字、浮点数、字母
前言 在Python中处理字符串的函数比较丰富,有时需要把字符串转化为整形.浮点型等:转换过程中,发现有时会报错,比如字符串"12*76",转换为整形,直接转换int(" ...
最新文章
- jsp弹窗修改信息_WEB最最最初级修改用户信息
- JVM内存分配与垃圾回收浅析
- mysql数据库表删了重建error_数据库内核月报 - 2015 / 09-MySQL · 捉虫动态 · 建表过程中crash造成重建表失败-阿里云开发者社区...
- 5、删除存储过程(DROP PROCEDURE)
- HTTP笔记-浏览器是如何识别点击的链接是下载文件还是展示页面
- 4020-基于链地址法的散列表的插入(C++,附思路以及头插法,尾插法两种代码)
- 特征筛选9——根据重要性SelectFromModel筛选特征(有监督筛选)
- 贺利坚老师汇编课程51笔记:MUL乘法指令
- ftp 上传下载整个目录
- Hadoop权威指南-读书笔记
- Java检验yyyymm合法,JAVA日期格式校验正则表达式方法,yyyy年MM月,yyyy-MM-dd格式等...
- php李炎恢笔记,一步步学习php笔记 李炎恢瓢城web俱乐部
- VSCode使用EmmyLua调试Lua代码
- 2011最新版:移动设备管理与OMA DM协议 V7
- 万年历程序例题(农历阴历转换)
- XUPT_STA2018(部分题解)
- 蓝奏云软件库源码分享下载
- 04-再探JavaScript
- 线代[4]|浅谈数域
- Vone3.0客户端SSL未连接
热门文章
- python保存的图片不完整
- Cocos2dx中零散知识点
- 【每日SQL打卡】​​​​​​​​​​​​​​​DAY 11丨产品销售分析 II【难度简单】
- mysql联合索引和单索引_mysql联合索引跟单列索引的区别
- 单片机复位电路电容一定用电解电容_学好单片机必须了解的10个电路
- vue 将行转换成对象_Vue简化版实现
- golang 远程批量执行shell_S2061远程代码执行漏洞复现及批量检测脚本(CVE202017530)...
- Modbus协议栈应用实例之六:Modbus ASCII从站应用
- Homework2-project review score of each team
- 和gdi绘图效率比较_绘图计算器测评来袭!哪一款才是你AP考试的最佳拍档?