Estrazione dati da file PDF
Analizzo spesso i dati disponibili pubblicamente e talvolta desidero trasformare una tabella in un file PDF in una tabella di dati. In particolare, sorprendentemente, i dati pubblicati dalle agenzie governative spesso non sono in formato Excel o CSV, ma sono incorporati come tabelle nei file PDF.
In questi casi, fino a quattro o cinque anni fa, selezionavo la tabella pertinente nel file PDF, la copiavo e la incollavo in Excel o JMP, ma c'erano molti casi in cui non veniva riconosciuta correttamente come dati e in Nel peggiore dei casi, ci sono stati momenti in cui mi sono arreso e ho creato i dati manualmente.
In tal caso, è stata aggiunta una nuova funzionalità nella versione 15 di JMP. "Caricamento guidato PDF" è stata una benedizione per me. La creazione di dati da un PDF, che prima richiedeva tempo, ora può essere eseguita in pochi secondi! ! Ciò ti consente di risparmiare tempo per l'analisi approfondita dei tuoi dati.
L'ultima volta che ho scritto Articolo del blog (indice del divario di genere) cita una tabella in un report PDF, ma senza la procedura guidata di importazione PDF sarei stato frustrato dal fastidio di creare i dati.
Pertanto, in questo blog, Permettimi di presentarti le fantastiche funzionalità della "Caricamento guidato PDF". Anche se stai già utilizzando questa funzione, potrebbero esserci alcune cose che non sai, quindi leggile attentamente.
Cosa puoi fare con la procedura guidata di importazione PDF
"Importazione guidata PDF" è una funzione che consente di regolare i dati da importare facendo riferimento all'anteprima prima di importare il file PDF.
Quando si seleziona [File] > [Apri] dalla barra dei menu di JMP e si seleziona il file PDF da importare, verrà avviata automaticamente la "Importazione guidata PDF" (*1).
Verrà visualizzata un'anteprima sul lato sinistro della procedura guidata, come mostrato sopra. Riconoscerà automaticamente le tabelle nel PDF e le visualizzerà nell'"Anteprima tabella" sulla destra.
Controlla se la tabella che desideri caricare è riconosciuta qui e, se non ci sono problemi, fai clic sul pulsante [OK] e si aprirà come tabella dati JMP.
In questo esempio, possiamo caricare facilmente i dati sperimentali descritti nel documento.
Successivamente, presenterò due cose sorprendenti insieme ad esempi reali.
Parte sorprendente 1: le tabelle con gli stessi nomi di colonna vengono automaticamente concatenate in una sola
Quello che segue è un PDF della tabella statistica sullo stato occupazionale dei dipendenti pubblici generali nazionali pubblicata dal Segretariato del Gabinetto (*2). Supponiamo di voler utilizzare questa tabella per creare una tabella dati in JMP che mostri il numero di dipendenti part-time in ciascun ministero e agenzia, la differenza rispetto all'anno precedente (persone) e la variazione su base annua (%) .
Una funzione che riconosca automaticamente le tabelle in un PDF può essere utile, ma in pratica non sono molti i casi in cui si desidera leggere tutte le tabelle di un PDF, ma solo una tabella specifica.
In tal caso, in alto a destra nella procedura guidata [Ignora tutte le tabelle] Fare clic sul pulsante per annullare la selezione automatica.
Successivamente, spostati sulla pagina con la tabella che desideri caricare utilizzando l'anteprima a sinistra e fai clic sul pulsante del triangolo rosso in alto a sinistra della pagina. [Rileva automaticamente questa pagina] Se selezioni , verranno rilevate automaticamente solo le tabelle presenti in quella pagina.
Tuttavia, il rilevamento automatico potrebbe non funzionare per alcune tabelle. In tal caso, crea un rettangolo trascinando dove vuoi che sia la tabella e la tabella verrà riconosciuta all'interno della cornice del rettangolo. In pratica, questo metodo di trascinamento e selezione delle tabelle è conveniente.
Dopo aver selezionato la tabella interessata, sul lato destro dell'anteprima "Concatena le tabelle con i nomi delle colonne corrispondenti" Selezionare e fare clic sul pulsante [OK].
Quindi, le tabelle visualizzate in due parti verranno combinate in un'unica tabella e caricate.
Normalmente, dovresti caricare due tabelle e quindi utilizzare [Concatena] per combinarle in una sola, ma questa procedura guidata lo fa per te.
Pertanto, semplicemente modificando leggermente la tabella dei dati creata, siamo stati in grado di creare istogrammi del numero di dipendenti, dei cambiamenti di anno in anno e dei cambiamenti di anno in anno ed esaminare i ministeri e le agenzie che erano valori anomali.
Fantastica parte 2: combina tabelle che si estendono su più pagine in una sola
Questo file PDF mostra i risultati della gara della squadra nazionale di salto con gli sci (*3). Vengono visualizzati i risultati dal 1° all'8° posto, ma non sono contenuti su una pagina bensì su due pagine. Il formato della tabella è organizzato per paese, ma vorrei combinare queste tabelle in un'unica tabella.
È in corso l'anteprima di questo PDF. Seleziona la tabella di destinazione e "Concatena tutte le tabelle in una" Controllare e fare clic sul pulsante [OK].
Carica più tabelle in una. A differenza dell'esempio precedente, il file PDF utilizzato qui contiene alcune tabelle che non hanno nomi di colonna, quindi ho utilizzato "Concatena tutte le tabelle in una".
Successivamente è stata necessaria un'elaborazione dei dati, ma sono riuscito a creare un grafico del punteggio per ciascuna squadra (per 4 giocatori) senza spendere troppo tempo. Ci sono squadre in cui i punteggi dei quattro giocatori variano e squadre in cui no, il che è un risultato interessante.
Continueremo a sfruttare appieno questa meravigliosa funzione e lavoreremo duro sull'analisi dei dati! !
di Naohiro Masukawa (JMP Giappone)
Citazione di file PDF
*1: Progettazione razionale di una piattaforma bioprocessabile scalabile per la produzione di cellulosa batterica
https://www.sciencedirect.com/science/article/abs/pii/S0144861718312839
*2: Tabella delle statistiche sullo stato occupazionale dei dipendenti pubblici nazionali a livello generale del Segretariato di Gabinetto
https://www.cas.go.jp/jp/gaiyou/jimu/jinjikyoku/files/20220701_toukeihyou_gaiyou.pdf
*3: Risultati ufficiali della COPPA DEL MONDO DI SALTO CON GLI SCI FIS
https://medias2.fis-ski.com/pdf/2023/JP/3093/2023JP3093RL.pdf
