使用 tabula-py 为什么我得到一个列表而不是数据框？

Question

输出

我想处理 PDF 文件，特别是表格。我编码这个

import pandas as pd
import numpy as np
import tabula
from tabula import read_pdf
tab= tabula.read_pdf('..\PDFs\Ala.pdf',encoding='latin-1', pages ='all')
tab

但我得到了一个值列表，如下所示：

[    Nombres  Edad Ciudad
0    Noelia    20   Lima
1  Michelie    45   Lima
2    Ximena    18   Lima
3    Miguel    43   Lima]

我无法分析它，因为它不是数据框。这只是一个例子，真实的 PDF 文件包含文本和多个页面之间的表格

那么，请问有人可以帮我解决这个问题吗？

Answer 1

tabula应该返回 Pandas 数据帧列表，每个数据帧对应 PDF 中找到的每个表。您可以按如下方式显示（并使用它们）：

import pandas as pd
import numpy as np
import tabula
from tabula import read_pdf

dfs = tabula.read_pdf('..\PDFs\Ala.pdf', encoding='latin-1', pages='all')
print(f"Found {len(dfs)} tables")

# display each of the dataframes
for df in dfs:
    print(df.size)
    print(df)