我正在尝试使用 tabula-py 将表格 10-K 中的大表(附有示例)加载到 Python 中。表格没有清晰的边框,并且有很多空白单元格,这会导致几个问题。
我的代码是
df = tabula.read_pdf("firm_xxx_10K.pdf", pages='100-101',guess=True,stream=True,columns=(144,210,300,340,380,420,450))
使用stream=True
,我得到了所有数据,但多行中的信息被识别为单独的条目。有了lattice=True
,那么多行的单元格就被正确识别为一个单元格,但现在结果漏掉了很多观察。
有没有更好的方法来设置选项?我尝试了很多选择,但现在我被卡住了。任何帮助深表感谢。最好的,