从 PDF 文件中提取数据
我经常分析公开的数据，有时我想将PDF文件中的表格变成数据表。特别是，令人惊讶的是，政府机构发布的数据通常不是 Excel 或 CSV 格式，而是以表格形式嵌入 PDF 文件中。
在这种情况下，直到四五年前，我都会选择PDF文件中的相关表格，复制它，然后将其粘贴到Excel或JMP中，但有很多情况下它没有被正确识别为数据，并且在最糟糕的情况是，有时我会放弃并手动创建数据。
针对这种情况，JMP 版本 15 中添加了一项新功能。 “PDF 加载向导”对我来说是一件幸事。从 PDF 创建数据过去需要花费一些时间，现在只需几秒钟即可完成！ ！这可以让您腾出时间来深入分析数据。
上次我写的博客文章（性别差距指数）引用 PDF 报告中的表格，但如果没有 PDF 导入向导，我会因创建数据的麻烦而感到沮丧。
因此，在这篇博客中，让我向您介绍“PDF 加载向导”的强大功能。即使您已经在使用此功能，也可能有些事情您不知道，所以请仔细阅读。
您可以使用 PDF 导入向导做什么
“PDF导入向导”是一项功能，可让您在导入PDF文件之前参考预览来调整要导入的数据。
当您从 JMP 菜单栏中选择 [文件] > [打开] 并选择要导入的 PDF 文件时，“PDF 导入向导”将自动启动 (*1)。
预览将显示在向导的左侧，如上所示。它会自动识别PDF中的表格并将其显示在右侧的“表格预览”中。
在此检查您要加载的表是否被识别，如果没有问题，单击[确定]按钮，它将作为 JMP 数据表打开。
在这个例子中，我们可以轻松加载论文中描述的实验数据。
接下来，我将通过实际例子介绍两件令人惊奇的事情。
令人惊奇的第 1 部分：具有相同列名的表会自动连接成一个
以下是内阁官房公布的一般国家公务员就业状况统计表（*2）的 PDF 版本。假设要使用该表在JMP中创建一个数据表，显示各部委、机构的兼职员工数、与上年的差异（人）、同比变化（%） 。
自动识别PDF中的表格的功能可能很有用，但在实践中，您想要读取PDF中的所有表格，而只想读取特定表格的情况并不多。
在这种情况下，在向导的右上角[忽略所有表]单击该按钮可取消自动选择。
之后，使用左侧的预览移动到包含要加载的表的页面，然后单击页面左上角的红色三角形按钮。 [自动检测此页面]如果选择 ，则仅自动检测该页面上的表格。
但是，自动检测可能不适用于某些表。在这种情况下，通过拖动表格所在的位置来创建一个矩形，表格将在矩形框架内被识别。在实际应用中，这种拖选表格的方法很方便。
选择相关表格后，在右侧预览“连接具有匹配列名的表”选择并单击[确定]按钮。
然后，分两部分显示的表格将合并为一张表格并加载。
通常，您需要加载两个表，然后使用 [Concatenate] 将它们合并为一个表，但此向导会为您完成此操作。
因此，只需稍微修改创建的数据表，我们就可以创建员工人数、同比变化和同比变化的直方图，并检查异常值的部委和机构。
很棒的第 2 部分：将跨多个页面的表格合并为一个
该 PDF 文件显示了跳台滑雪国家队比赛的结果（*3）。显示了第一名到第八名的结果，但它们不是包含在一页上，而是包含在两页上。表格格式是按国家/地区组织的，但我想将这些表格合并为一张表格。
此 PDF 正在预览。选择目标表并“将所有表连接成一个”检查并单击[确定]按钮。
它将多个表加载到一个表中。与前面的示例不同，这里使用的 PDF 文件有一些没有列名的表，因此我使用了“将所有表连接成一个”。
此后，需要进行一些数据处理，但我能够为每个团队（4 名玩家）创建得分图，而无需花费太多时间。有些球队四名球员的得分不同，有些球队则没有，这是一个有趣的结果。
我们将继续充分利用这一精彩功能，为数据分析而努力！ ！
作者：Naohiro Masukawa（JMP 日本）
引用 PDF 文件
*1：合理设计可扩展的细菌纤维素生产生物工艺平台
https://www.sciencedirect.com/science/article/abs/pii/S0144861718312839
*2：内阁官房一般级国家公务员就业状况统计表
https://www.cas.go.jp/jp/gaiyou/jimu/jinjikyoku/files/20220701_toukeihyou_gaiyou.pdf
*3：国际滑雪联合会跳台滑雪世界杯官方成绩
https://medias2.fis-ski.com/pdf/2023/JP/3093/2023JP3093RL.pdf
