数据处理，不可不知的常用工具
发布时间：2021-01-25 10:29:40 所属栏目：大数据 来源：网络整理
导读：网页、PDF里的数据获取，令人头大；更别提数据清理了。在大多数情况下，做数据可视化的我们都难以得到最干净整洁全面的“ready to go”的数据，需要我们在网页中去“挖”，再去另外的平台进行“清理”，下面就介绍一些NICAR中被提到的常用工具。 01 网页获取
|
? ? a).?CometDocs是用于从PDF中抓取表格数据最简单有效的工具。用户可以直接进入网站，上传文件，选择输出文件类型，输入你的邮件地址，完成。 缺点：不能免费处理图片，需要订购OCR服务。 ? ? ? b).?Tabula?是一款你可以直接下载安装到电脑上的免费软件，它可以帮助你导入PDF文件并输出单份表格。在你导入相应的PDF文件之后，你需要手动将需要的表格框出来，Tabula会试图在保留行列的前提下转化数据。 Cogniview和Tabula类似，你可以将需要的表格框起来，但是如果Congniview猜错了，你可以很容易地调整它的范围。更棒的是，它有光学字符识别版本，这样即便是图片它也可以识别。 ABLE2EXTRACT是纽约时报图像部门钟爱的程序，界面和使用方式和Cogniview都很类似。 缺点：大多数时候Able2Extract都表现很好，但它的调试系统不如Cogniview。 ? https://github.com/gebelo/nicar2016/blob/master/refine.pdf 辅助数据资料： https://github.com/gebelo/nicar2016/blob/master/prof.csv （编辑：晋中站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
