使用子节点解析 xml 并创建一个 Pandas 数据框

Question

我有以下 xml 格式：

<?xml version="1.0" encoding="UTF-8"?>
<results>
   <run>
      <information>
         <logfile>s.log</logfile>
         <version>33</version>
         <mach>1</mach>
         <problemname>mm1</problemname>
         <timestamp>20201218.165122.053486</timestamp>
      </information>
      <controls>
         <item>VARS</item>
      </controls>
      <result>
         <status>4</status>
         <time>3</time>
         <obj>1.0</obj>
         <gap>0.15</gap>
      </result>
   </run>
</results>

我在阅读此 post 后有一个示例代码来解析此文件，但它 returns None。但是，我的问题是，是否有一种快速的方法可以创建一个数据框，该数据框包含来自值（即 VARS）和 4 列（即状态、时间、对象和间隙）的索引。

import pandas as pd
from xml.etree import ElementTree as et

root = (et.parse('test.xml').getroot()).getchildren()


tags = {"tags":[]}
for elem in root:
    tag = {}
    tag["status"] = elem.attrib['status']
    tag["time"] = elem.attrib['time']
    tag["obj"] = elem.attrib['obj']
    tag["gap"] = elem.attrib['gap']
    tags["tags"]. append(tag)

df_users = pd.DataFrame(tags["tags"])
df_users.head()

这是我正在寻找的输出：


      status  time  obj   gap
VARS  4        3    1.0   0.15

Answer 1

我认为您仍然需要循环遍历 etree 以使用 xml 提取点点滴滴。

import pandas as pd
from xml.etree import ElementTree as et

root = et.parse('test.xml').getroot()

results = []
for ele in eles.findall('run'):
    # assumed each run contains only one control item 
    control = ele.find('controls').find('item').text
    # extract each run result and save it in the results 
    for attr in list(ele.find('result')):
        result = {}
        result['control'] = control
        result[attr.tag] = attr.text
        results.append(result)
# at last, convert into dataframe and set control as index 
results = pd.DataFrame(results)
results = results.set_index('control')

Answer 2

我们可以使用ElementTree的findall和find方法来提取我们需要的元素（result的子元素作为列，controls/item作为索引）：

pd.DataFrame({x.tag: x.text for x in et.findall('./run/result//')},
             index = [et.find('./run/controls/item').text])

输出：

     status time  obj   gap
VARS      4    3  1.0  0.15

Answer 3

请注意，status 不在 root 下，但您正试图在 root 下找到它。

status 在父 result.

之下

您需要递归检查子项下的状态。

参考documentation。它详细介绍了带有示例的方法。 findall 正如其他人所建议的那样有用。

使用子节点解析 xml 并创建一个 Pandas 数据框

Parse xml with sub-nodes and create a Pandas dataframe

python

xml-parsing

pandas