Python：将 XML 提取到 DataFrame (Pandas)答案

【问题标题】：Python: Extracting XML to DataFrame (Pandas)Python：将 XML 提取到 DataFrame (Pandas)
【发布时间】：2018-11-19 07:35:40
【问题描述】：

有一个如下所示的 XML 文件：

<?xml version="1.0" encoding="utf-8"?>
<comments>
<row Id="1" PostId="2" Score="0" Text="(...)" CreationDate="2011-08-30T21:15:28.063" UserId="16" />
<row Id="2" PostId="17" Score="1" Text="(...)" CreationDate="2011-08-30T21:24:56.573" UserId="27" />
<row Id="3" PostId="26" Score="0" Text="(...)" UserId="9" />
</comments>

我正在尝试将 ID、Text 和 CreationDate 列提取到 pandas DF 中，我尝试了以下操作：

import xml.etree.cElementTree as et
import pandas as pd
path = '/.../...'
dfcols = ['ID', 'Text', 'CreationDate']
df_xml = pd.DataFrame(columns=dfcols)

root = et.parse(path)
rows = root.findall('.//row')
for row in rows:
    ID = row.find('Id')
    text = row.find('Text')
    date = row.find('CreationDate')
    print(ID, text, date)
    df_xml = df_xml.append(pd.Series([ID, text, date], index=dfcols), ignore_index=True)

print(df_xml)

但是输出是：无无无

您能告诉我如何解决这个问题吗？谢谢

【问题讨论】：

这能回答你的问题吗？ How to convert an XML file to nice pandas dataframe?

标签： python xml pandas dataframe

【解决方案1】：

只是代码中的一个小改动

ID = row.get('Id')
text = row.get('Text')
date = row.get('CreationDate')

【讨论】：

【解决方案2】：

基于@Parfait 解决方案，我编写了将列作为参数并返回 Pandas DataFrame 的版本。

test.xml：

<?xml version="1.0" encoding="utf-8"?>
<comments>
<row Id="1" PostId="2" Score="0" Text="(.1.)" CreationDate="2011-08-30T21:15:28.063" UserId="16" />
<row Id="2" PostId="17" Score="1" Text="(.2.)" CreationDate="2011-08-30T21:24:56.573" UserId="27" />
<row Id="3" PostId="26" Score="0" Text="(.3.)" UserId="9" />
</comments>

xml_to_pandas.py：

'''Xml to Pandas DataFrame Convertor.'''

import xml.etree.cElementTree as et
import pandas as pd


def xml_to_pandas(root, columns, row_name):
  '''get xml.etree root, the columns and return Pandas DataFrame'''
  df = None
  try:

    rows = root.findall('.//{}'.format(row_name))

    xml_data = [[row.get(c) for c in columns] for row in rows]  # NESTED LIST

    df = pd.DataFrame(xml_data, columns=columns)
  except Exception as e:
    print('[xml_to_pandas] Exception: {}.'.format(e))

  return df


path = 'test.xml'
row_name = 'row'
columns = ['ID', 'Text', 'CreationDate']

root = et.parse(path)
df = xml_to_pandas(root, columns, row_name)
print(df)

输出：

【讨论】：

【解决方案3】：

正如黄金会员 Python/pandas/numpy 大师 @unutbu 在此 solution 中所建议的那样：

永远不要在 for 循环中调用 DataFrame.append 或 pd.concat。它会导致二次复制。

因此，请考虑将您的 XML 数据解析为单独的列表，然后在任何循环之外的一次调用中将列表传递给 DataFrame 构造函数。实际上，您可以将带有列表推导的嵌套列表直接传递给构造函数：

path = 'AttributesXMLPandas.xml'
dfcols = ['ID', 'Text', 'CreationDate']

root = et.parse(path)
rows = root.findall('.//row')

# NESTED LIST
xml_data = [[row.get('Id'), row.get('Text'), row.get('CreationDate')] 
            for row in rows]

df_xml = pd.DataFrame(xml_data, columns=dfcols)

print(df_xml)

#   ID   Text             CreationDate
# 0  1  (...)  2011-08-30T21:15:28.063
# 1  2  (...)  2011-08-30T21:24:56.573
# 2  3  (...)                     None

【讨论】：