如何从嵌套的 XML 创建 Pandas DataFrame？

在数据处理中，XML（可扩展标记语言）格式是一种常见的数据格式。如果XML数据存在嵌套结构，通常需要将其转换为Pandas DataFrame以便进行数据分析。本文将介绍如何从嵌套的XML创建Pandas DataFrame。

步骤

1. 使用ElementTree解析XML文件

使用Python标准库中的ElementTree模块解析XML文件。示例代码如下：

import xml.etree.ElementTree as ET

# 解析XML文件
tree = ET.parse('data.xml')
root = tree.getroot()

2. 创建空的DataFrame

在解析XML文件之后，需要创建一个空的DataFrame，用于保存XML中的数据。

import pandas as pd

# 创建空的DataFrame
df = pd.DataFrame(columns=['name', 'age', 'gender'])

注意，空的DataFrame中需要包含XML文件中可能出现的所有列名。在本例中，我们使用名称（name），年龄（age）和性别（gender）列名。

3. 循环遍历XML数据并填充DataFrame

遍历XML文件并将数据填充到DataFrame中。在本例中，我们的XML数据具有以下结构：

<root>
    <person>
        <name>John Smith</name>
        <age>30</age>
        <gender>Male</gender>
    </person>
    <person>
        <name>Jane Doe</name>
        <age>25</age>
        <gender>Female</gender>
    </person>
</root>

因此，我们需要定义一个循环遍历每个person元素，并将其name、age和gender元素的值添加到DataFrame中。

# 循环遍历每个person元素
for person in root.findall('person'):
    # 获取name、age、gender元素的值
    name = person.find('name').text
    age = person.find('age').text
    gender = person.find('gender').text

    # 将数据添加到DataFrame
    df = df.append({'name': name, 'age': age, 'gender': gender}, ignore_index=True)

循环遍历XML数据并将其填充到DataFrame中。 ignore_index =True 选项用于在添加行时重新编号索引。

示例代码

以下是完整的示例代码：

import xml.etree.ElementTree as ET
import pandas as pd

# 解析XML文件
tree = ET.parse('data.xml')
root = tree.getroot()

# 创建空的DataFrame
df = pd.DataFrame(columns=['name', 'age', 'gender'])

# 循环遍历每个person元素
for person in root.findall('person'):
    # 获取name、age、gender元素的值
    name = person.find('name').text
    age = person.find('age').text
    gender = person.find('gender').text

    # 将数据添加到DataFrame
    df = df.append({'name': name, 'age': age, 'gender': gender}, ignore_index=True)

print(df)

结论

以上就是如何从嵌套的XML创建Pandas DataFrame的方法。使用ElementTree模块解析XML文件，使用Pandas DataFrame保存数据。可以根据XML文件的结构将数据添加到DataFrame中。