建站
咨詢
售后
建站咨詢
新聞中心
python提取excel表中的數(shù)據(jù)兩列
1、首先打開(kāi)excel表格，在單元格中輸入兩列數(shù)據(jù)，需要將這兩列數(shù)據(jù)進(jìn)行比對(duì)相同數(shù)據(jù)。
創(chuàng)新互聯(lián)公司-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設(shè)、高性價(jià)比上猶網(wǎng)站開(kāi)發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫(kù),直接使用。一站式上猶網(wǎng)站制作公司更省心,省錢(qián),快速模板網(wǎng)站建設(shè)找我們，業(yè)務(wù)覆蓋上猶地區(qū)。費(fèi)用合理售后完善，10多年實(shí)體公司更值得信賴。
2、然后在C1單元格中輸入公式：=VLOOKUP(B1,A:A,1,0)，意思是比對(duì)B1單元格中A列中是否有相同數(shù)據(jù)。
3、點(diǎn)擊回車，即可將公式的計(jì)算結(jié)果顯示出來(lái)，可以看到C1中顯示的是B1在A列中找到的相同數(shù)據(jù)。
4、將公式向下填充，即可發(fā)現(xiàn)C列中顯示出的數(shù)字即為有相同數(shù)據(jù)的，顯示“#N/A”的為沒(méi)有找到匹配數(shù)據(jù)的。
5、將C1-C4中的數(shù)據(jù)進(jìn)行復(fù)制并粘貼成數(shù)值，即可完成相同數(shù)據(jù)的提取操作。
在實(shí)際研究中，我們經(jīng)常需要獲取大量數(shù)據(jù)，而這些數(shù)據(jù)很大一部分以pdf表格的形式呈現(xiàn)，如公司年報(bào)、發(fā)行上市公告等。面對(duì)如此多的數(shù)據(jù)表格，采用手工復(fù)制黏貼的方式顯然并不可取。那么如何才能高效提取出pdf文件中的表格數(shù)據(jù)呢？
Python提供了許多可用于pdf表格識(shí)別的庫(kù)，如camelot、tabula、pdfplumber等。綜合來(lái)看，pdfplumber庫(kù)的性能較佳，能提取出完整、且相對(duì)規(guī)范的表格。因此，本推文也主要介紹pdfplumber庫(kù)在pdf表格提取中的作用。
作為一個(gè)強(qiáng)大的pdf文件解析工具，pdfplumber庫(kù)可迅速將pdf文檔轉(zhuǎn)換為易于處理的txt文檔，并輸出pdf文檔的字符、頁(yè)面、頁(yè)碼等信息，還可進(jìn)行頁(yè)面可視化操作。使用pdfplumber庫(kù)前需先安裝，即在cmd命令行中輸入：
pip install pdfplumber
pdfplumber庫(kù)提供了兩種pdf表格提取函數(shù)，分別為.extract_tables( )及.extract_table( )，兩種函數(shù)提取結(jié)果存在差異。為進(jìn)行演示，我們網(wǎng)站上下載了一份短期融資券主體信用評(píng)級(jí)報(bào)告，為pdf格式。任意選取某一表格，其界面如下：
接下來(lái)，我們簡(jiǎn)要分析兩種提取模式下的結(jié)果差異。
（1）.extract_tables( )
可輸出頁(yè)面中所有表格，并返回一個(gè)嵌套列表，其結(jié)構(gòu)層次為table→row→cell。此時(shí)，頁(yè)面上的整個(gè)表格被放入一個(gè)大列表中，原表格中的各行組成該大列表中的各個(gè)子列表。若需輸出單個(gè)外層列表元素，得到的便是由原表格同一行元素構(gòu)成的列表。例如，我們執(zhí)行如下程序：
輸出結(jié)果：
（2）.extract_table( )
返回多個(gè)獨(dú)立列表，其結(jié)構(gòu)層次為row→cell。若頁(yè)面中存在多個(gè)行數(shù)相同的表格，則默認(rèn)輸出頂部表格；否則，僅輸出行數(shù)最多的一個(gè)表格。此時(shí)，表格的每一行都作為一個(gè)單獨(dú)的列表，列表中每個(gè)元素即為原表格的各個(gè)單元格內(nèi)容。若需輸出某個(gè)元素，得到的便是具體的數(shù)值或字符串。如下：
輸出結(jié)果：
在此基礎(chǔ)上，我們?cè)敿?xì)介紹如何從pdf文件中提取表格數(shù)據(jù)。其中一種思路便是將提取出的列表視為一個(gè)字符串，結(jié)合Python的正則表達(dá)式re模塊進(jìn)行字符串處理后，將其保存為以標(biāo)準(zhǔn)英文逗號(hào)分隔、可被Excel識(shí)別的csv格式文件，即進(jìn)行如下操作：
輸出結(jié)果：
盡管能獲得完整的表格數(shù)據(jù)，但這種方法相對(duì)不易理解，且在處理結(jié)構(gòu)不規(guī)則的表格時(shí)容易出錯(cuò)。由于通過(guò)pdfplumber庫(kù)提取出的表格數(shù)據(jù)為整齊的列表結(jié)構(gòu)，且含有數(shù)字、字符串等數(shù)據(jù)類型。因此，我們可調(diào)用pandas庫(kù)下的DataFrame( )函數(shù)，將列表轉(zhuǎn)換為可直接輸出至Excel的DataFrame數(shù)據(jù)結(jié)構(gòu)。DataFrame的基本構(gòu)造函數(shù)如下：
DataFrame([data,index, columns])
三個(gè)參數(shù)data、index和columns分別代表創(chuàng)建對(duì)象、行索引和列索引。DataFrame類型可由二維ndarray對(duì)象、列表、字典、元組等創(chuàng)建。本推文中的data即指整個(gè)pdf表格，提取程序如下：
其中，table[1:]表示選定整個(gè)表格進(jìn)行DataFrame對(duì)象創(chuàng)建，columns=table[0]表示將表格第一行元素作為列變量名，且不創(chuàng)建行索引。輸出Excel表格如下：
通過(guò)以上簡(jiǎn)單程序，我們便提取出了完整的pdf表格。但需注意的是，面對(duì)不規(guī)則的表格數(shù)據(jù)提取，創(chuàng)建DataFrame對(duì)象的方法依然可能出錯(cuò)，在實(shí)際操作中還需進(jìn)行核對(duì)。
關(guān)于我們
微信公眾號(hào)“爬蟲(chóng)俱樂(lè)部”分享實(shí)用的stata命令，歡迎轉(zhuǎn)載、打賞。爬蟲(chóng)俱樂(lè)部是由李春濤教授領(lǐng)導(dǎo)下的研究生及本科生組成的大數(shù)據(jù)分析和數(shù)據(jù)挖掘團(tuán)隊(duì)。
投稿要求：
1）必須原創(chuàng)，禁止抄襲；
2）必須準(zhǔn)確，詳細(xì)，有例子，有截圖；
python如何提取.c文件中的指定函數(shù)的輸入?yún)?shù)
class stdata(Structure):
_fields_ = [('pBuf', c_char_p), ('buflen', c_int)]
N=100
buf = create_string_buffer(N)
d = stdata()
d.buflen = N
d.pBuf = cast(buf, c_char_p)
n = CallMyCFunc_GetData(byref(d))
關(guān)鍵在于create_string_buffer創(chuàng)建可寫(xiě)buffer；cast轉(zhuǎn)換為char*類型。
利用python中的方法和函數(shù)提取給定列表[5,-7,2,-3,0]中的最大元素并刪除最小元素同時(shí)將負(fù)數(shù)的負(fù)號(hào)去除
list1=['5','8','-7','4','6','2','-3','0']
max(list1)
min(list1)
abs(-7)
python中如何從字符串中提取數(shù)字？
1、如下圖，要提取#后面的字符，也即紅色的“SDK”到B列。
2、首先，在B2中輸入公式：
=FIND("#",A2)
返回#在字符串中的位置，#在A2單元格文本中是第6個(gè)字符。
3、知識(shí)點(diǎn)說(shuō)明：
FIND()函數(shù)查找第一參數(shù)在第二參數(shù)中的位置。如下圖，查找“B”在“ABCD”中是第幾個(gè)字符。第一參數(shù)是要查找的字符“B”，第二參數(shù)是被查找的字符串。最終返回“B”在“ABCD”中是第2個(gè)字符。
4、然后，在B2中輸入公式：
=MID(A2,FIND("#",A2)+1,99)
這樣，就提取出了#后的字符。
5、知識(shí)點(diǎn)說(shuō)明：
MID()函數(shù)返回從字符串中制定字符開(kāi)始若干個(gè)字符的字符串。如下圖，MID()函數(shù)返回“ABCDE”字符串中從第2個(gè)字符開(kāi)始的連續(xù)3個(gè)字符，也就是返回“BCD”。
6、綜上，=MID(A2,FIND("#",A2)+1,99)的意思就是從A2單元格#字符后面的一個(gè)字符起，取長(zhǎng)度為99的字符串。其中的99是一個(gè)較大的數(shù)字，能涵蓋#后字符的最大長(zhǎng)度即可。
python怎么把一堆周期信號(hào)里面提取去一個(gè)周期的信號(hào)
你可以使用Python的scipy.signal模塊中的find_peaks()函數(shù)來(lái)把一堆周期信號(hào)里面提取出一個(gè)周期的信號(hào)。該函數(shù)將在輸入信號(hào)中尋找極大值，這些極大值將構(gòu)成一個(gè)完整的周期。
當(dāng)前題目：python中的提取函數(shù) Python批量提取PDF中的信息
URL鏈接：http://www.dlmjj.cn/article/docsdeh.html
