如何在 python 中循环 tabula-py 数据格式

【问题标题】：How to loop in tabula-py data format in python如何在 python 中循环 tabula-py 数据格式
【发布时间】：2021-11-27 15:31:56
【问题描述】：

我想知道如何在 python 中从 pdf 文件中提取特定的表列。

到目前为止我的代码

    import tabula.io as tb
from tabula.io import read_pdf
dfs = tb.read_pdf(pdf_path, pages='all')
print (len(dfs)) [It displays 73]

我可以通过 print (dfs[2]['Section ID']) 访问单个表格列我想知道如何使用 for 循环搜索所有数据框中的特定列。

我想做这样的事情

for i in range(len(dfs)):
    if (dfs[i][2]) == 'Section ID ' //(This gives invalid syntax)
    print dfs[i]

【问题讨论】：

标签： python pandas dataframe tabula-py

【解决方案1】：

如果您只有一个名称为 Section ID 的数据框（或仅对此列的第一个数据框感兴趣），您可以遍历 read_pdf 返回的列表，使用 in df.columns 和 @ 检查列是否存在找到匹配项时为 987654324@。

import tabula.io as tb
from tabula.io import read_pdf
df_list = tb.read_pdf(pdf_path, pages='all')

for df in df_list:
    if 'Section ID' in df.columns:
        break
print(df)

如果您可能有多个带有 Section ID 列的数据框，您可以使用列表解析过滤器并获取具有该列名称的数据框的列表。

dfs_section_id = [df for df in df_list if 'Section ID' in df.columns]

【讨论】：