從 PDF 文件中提取數據
我有時會分析發布的數據，有時我希望PDF文件中的表格成為數據表。特別是，令人驚訝的是，政府機關等發布的數據經常以表格形式嵌入 PDF 文件中，而不是 Excel 或 csv 格式。
當時，直到四五年前，我曾經選擇並複制PDF文件上的相應表格並將其粘貼到Excel或JMP中，但有很多情況無法正確識別為數據，並且在最壞的情況下有時我會放棄並手動創建數據。
當時，JMP 15 版本添加了“PDF 導入嚮導”對我來說是福音。過去從 PDF 創建數據需要花費一些時間，現在只需幾秒鐘即可完成！ ！這可以騰出時間來深入分析數據。
上次我寫的博客文章（性別差距指數）引用了PDF報告中的表格，但如果沒有PDF導入嚮導的功能，創建數據會很麻煩且令人沮喪。
因此，在這篇博客中，我將介紹“PDF導入嚮導”的神奇之處。即使您已經在使用此功能，也可能有些事情您不知道，所以請閱讀它。
PDF 導入嚮導可以做什麼
“PDF導入嚮導”是在讀取PDF文件之前參考預覽調整要讀取的數據的功能。
從 JMP 菜單欄中選擇 [文件] > [打開]，然後選擇要加載的 PDF 文件以自動啟動“PDF 導入嚮導”(*1)。
預覽顯示在嚮導的左側，如上所示。它會自動識別PDF中的表格，並將識別出的表格顯示在右側的“表格預覽”中。
此處檢查您要讀取的表是否被識別，如果沒有問題，單擊【確定】按鈕將其作為JMP數據表打開。
在這個例子中，我們可以輕鬆加載論文中給出的實驗數據。
接下來，我將選取兩個令人驚奇的點並結合實際例子進行介紹。
令人驚嘆的第 1 部分：自動將具有相同列名的表連接成一個
以下為內閣官房公佈的一般國家公務員就業狀況統計數據 PDF（*2）。根據該表，我們希望為每個部門的兼職員工數量、同比變化（人）和同比變化（%）創建一個 JMP 數據表。
自動識別 PDF 中的表格的功能可能很有用，但在實踐中，很少會讀取 PDF 中的所有表格，而且很多情況下您只想讀取特定的表格。
在這種情況下，在嚮導的右上角，忽略所有表單擊該按鈕可取消自動選擇。
之後，移動到左側預覽中包含您要閱讀的表格的頁面，然後單擊頁面左上角的紅色小三角按鈕。 [自動檢測此頁面]僅自動檢測該頁面上的表格。
但是，有些表的自動檢測效果不佳。此時，將需要製作表格的地方拖動成一個矩形，矩形框內的表格就會被識別。在實際應用中，這種通過拖動選擇表格的方法很方便。
選擇相關表格後，在右側預覽“連接具有匹配列名的表” ，然後單擊[確定]按鈕。
然後，分別顯示為兩個的表格將被一起讀入一張表格。
通常，會加載兩個表，然後您必須使用 [Concatenate] 將這些表合併為一個表，此嚮導會為您完成此操作。
因此，通過稍微修改創建的數據表，我們能夠創建員工人數、同比變化和同比變化的直方圖，並調查異常的部委和機構。
令人驚奇的第 2 部分：將多頁表格連接成一頁
該 PDF 文件顯示了各國跳台滑雪團體賽的成績（*3）。顯示了第 1 名到第 8 名的結果，但它們不包含在一頁中，而是分佈在兩頁中。雖然它是按國家/地區劃分的表格格式，但我想將這些表格合併為一張表格。
您正在預覽此 PDF。選擇目標表並“將所有表連接成一個”並單擊[確定]按鈕。
它將多個表加載到一個表中。與前面的示例不同，這裡使用的 PDF 文件具有沒有列名稱的表格，因此我使用了“將所有表格連接成一個”。
此後，需要進行一些數據處理，但我能夠為每個團隊（4 名玩家）創建得分圖，而無需花費太多時間。有趣的是，有 4 名球員得分分散的球隊和沒有得分分散的球隊。
我們將繼續充分利用這一精彩功能，為數據分析而努力！ ！
作者：Naohiro Masukawa（JMP 日本）
PDF文件引用
*1：合理設計用於細菌纖維素生產的可擴展生物工藝平台
https://www.sciencedirect.com/science/article/abs/pii/S0144861718312839
*2：內閣官房國家公務員就業狀況統計表
https://www.cas.go.jp/jp/gaiyou/jimu/jinjikyoku/files/20220701_toukeihyou_gaiyou.pdf
*3：國際滑雪聯合會跳台滑雪世界杯官方成績
https://medias2.fis-ski.com/pdf/2023/JP/3093/2023JP3093RL.pdf
