如何在 Python 中有效地将 XML 数据转换为 Pandas DataFrame？

将 XML 文档转换为 Pandas DataFrames

处理 XML 数据时，通常需要处理和分析其中的信息。 Pandas 为此提供了一种方便的工具，允许您将 XML 转换为结构化 DataFrame。

让我们考虑一个像给定的 XML 结构：

<author type="XXX" language="EN" gender="xx" feature="xx" web="foobar.com">
    <documents count="N">
        <document KEY="e95a9a6c790ecb95e46cf15bee517651">![CDATA[A large text with lots of strings and punctuations symbols [...]
]]></document>
        <!-- more documents -->
    </documents>
</author>

目标是转换此 XML到一个包含键、类型、语言、功能、网络和数据列的 DataFrame 中。

使用 ElementTree 的高效方法

为了实现这一点，我们可以利用 Python 的 xml .etree.ElementTree，它提供了一种解析 XML 的有效方法。这是一种改进的方法：

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

xml_data = "file_path"
etree = ET.parse(xml_data) #create an ElementTree object

def iter_docs(author):
    author_attr = author.attrib
    for doc in author.iter('document'):
        doc_dict = author_attr.copy()
        doc_dict.update(doc.attrib)
        doc_dict['data'] = doc.text
        yield doc_dict

doc_df = pd.DataFrame(list(iter_docs(etree.getroot())))

在这种方法中，我们使用 iter_docs 生成器函数来迭代作者和文档元素，提取相关属性和数据。然后，我们从生成的字典列表中创建一个 DataFrame。

附加说明：

• 如果您的 XML 中有多个author元素，您可以使用另一个生成器函数来循环它们并迭代每个文件中的文档。
• 如果 XML 的根元素不是作者，请相应地调整 etree.getroot() 调用。

使用 ElementTree 的好处：

• 高效的解析和内存使用。
• 提供 XML 结构的分层表示，使其易于导航。
• 支持各种 XML 功能，例如命名空间和注释。

通过遵循这种方法，您可以使用 pandas DataFrames 高效地将复杂的 XML 数据转换为表格格式，从而实现进一步的数据操作和分析。

以上是如何在 Python 中有效地将 XML 数据转换为 Pandas DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！