前言

數據是數據科學中任何分析的關鍵，大多數分析中最常用的數據集類型是存儲在逗號分隔值(csv)表中的干凈數據。然而，由于可移植文檔格式(pdf)文件是最常用的文件格式之一，因此每個數據科學家都應該了解如何從pdf文件中提取數據，并將數據轉換為諸如“csv”之類的格式，以便用于分析或構建模型。

在本文中，我們將重點討論如何從pdf文件中提取數據表。類似的分析可以用于從pdf文件中提取其他類型的數據，如文本或圖像。我們將說明如何從pdf文件中提取數據表，然后將其轉換為適合于進一步分析和構建模型的格式。我們將給出一個實例。

示例：使用Python從PDF文件中提取一個表格

a) 將表復制到Excel并保存為table_1_raw.csv

數據以一維格式存儲，必須進行重塑、清理和轉換。

b) 導入必要的庫

import pandas as pd 
import numpy as np 

c) 導入原始數據，重新定義數據

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) 使用字符串處理工具進行數據糾纏

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)) 

e) 將數據轉換為數字形式

我們注意到列x5、x6和x7的列值數據類型為string，因此我們需要將它們轉換為數值數據，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) 查看轉換數據的最終形式

df4.head(n=5) 

g) 導出最終數據到一個csv文件

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