Pythonでpdfデータにあるテーブルデータを一括でcsvに直す方法

何ページにもわたるテーブルデータ(pdf形式)をpythonとかでいじりたい時に！
私が持っていたpdfデータはページごとに注釈がついていたりして、どのpdf/csvの変換サイトでもうまくできませんでした。

sample1.py

#pdfからcsvに変換するのに使う。ページ指定で1枚ずつしか一気に使えないです。
from tabula import wrapper
#pdfのページ数を数えるのに使う
import PyPDF2

#任意のファイルパスをここに記載
FILE_PATH = "***"

#ページ数を取得
with open(FILE_PATH, mode='rb') as f:
    pages = PyPDF2.PdfFileReader(f).getNumPages()

#このデータフレームに全ページのデータを入れます
df = pd.DataFrame(columns = "欲しいカラム名")  

#全ページのテーブルデータを一つのデータフレームに
for i in range(pages+1):
    tmp = wrapper.read_pdf(FILE_PATH, pages = i, encoding = "utf-8_sig", spreadsheet=True)
    df = pd.concat([df, tmp], ignore_index=True)

これでデータフレームはこんな感じに。pdf43枚くらいのテーブルデータが2分くらいで一つのデータフレームにできました。

毎行にNaNが入ってしまっているので、

sample2.py

import pandas as pd 
df = df.dropna()

をすれば、

こんな感じでとても綺麗なテーブルデータができます。

今回は1つのpdfの変換でしたが、複数のpdfのテーブルデータを一つのデータフレームにしたい時は(例えば国毎年発表している医者の数とかそういうデータ)

sample3.py

import glob
for i in glob.glob("任意のフォルダ"):
    #sample1.pyの操作

なんてすれば一気に作業できちゃいます

あとはこの一行

sample4.py

df.to_csv("任意のcsvのパス")

でcsvに変換できます。データフレームで機械学習かけようが、csvでエクセルに通して統計資料まとめたり、いろいろできます！