pandas read_xml缺少数据

Question

我尝试过使用Pandas read_xml，它可以很好地读取大部分xml，但它忽略了一些部分，因为它的格式略有不同。我在下面包含了一个摘录，它写着"；类型"激活"；很好，但不适合"；金额"价值它拾取列标题"；金额"只是没有价值。有人能给我指一下正确的方向吗？谢谢

<Type>PYI</Type>
<Activation>N</Activation>
<Amt val="4000" curr="GBP"/>
xml_df = pd.read_xml(xml_data)

有人能帮我吗？我试过浏览Pandas.read_xml的文档，但我明白为什么它不会接受这个？

Answer 1

默认情况下，pandas.read_xml解析一组节点的所有立即子节点，包括其子节点和属性。除非xpath参数指示，否则read_xml不会超过立即子代。

以说明您的用例。下面可能是您的XML的一般设置，其中解析<Type>及其兄弟<Activation>和<Amt>。但是，<Amt>不包含文本节点，只包含属性。因此，该列中的值应该为空。

<root>
<row>
<Type>PYI</Type>              <!-- Type IS A CHILD NODE OF row -->
<Activation>N</Activation>    <!-- Activation IS A CHILD NODE OF row -->
<Amt val="4000" curr="GBP"/>  <!-- Amt IS A CHILD NODE OF row -->
</row>
</root>

但是您会问，为什么read_xml忽略了val和curr属性？因为每个都不是<row>的立即后代。他们是<Amt>的后代(即<row>的孙子(。如果属性被移动到<row>，那么它们将被捕获，如下所示：

<root>
<row val="4000" curr="GBP">     <!-- val AND curr ARE CHILD ATTRIBS OF row -->
<Type>PYI</Type>              <!-- Type IS A CHILD NODE OF row -->
<Activation>N</Activation>    <!-- Activation IS A CHILD NODE OF row -->
<Amt/>                        <!-- Amt IS A CHILD NODE OF row -->
</row>
</root>

要捕获这些属性，请调整xpath参数以指向其直接父级：

amt_df = pd.read_xml("Input.xml", xpath="//Amt")

---

要使用<row>级别的信息捕获这些属性，请考虑使用特殊用途语言XSLT将原始XML转换为以下内容：

<?xml version="1.0" encoding="UTF-8"?>
<root>
<row>
<Type>PYI</Type>
<Activation>N</Activation>
<Amt_val>4000</Amt_val>
<Amt_curr>GBP</Amt_curr>
</row>
</root>

以上是read_xml在使用stylesheet参数时解析的中间输出，如下所示：

xsl = '''<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output indent="yes"/>
<xsl:strip-space elements="*"/>

<xsl:template match="@*|node()">
<xsl:copy>
<xsl:apply-templates select="@*|node()"/>
</xsl:copy>
</xsl:template>

<xsl:template match="row">
<xsl:copy>
<xsl:copy-of select="*[name() != 'Amt']"/>
<Amt_val><xsl:value-of select="Amt/@val"/></Amt_val>
<Amt_curr><xsl:value-of select="Amt/@curr"/></Amt_curr>
</xsl:copy>
</xsl:template>

</xsl:stylesheet>'''
row_df = pd.read_xml("Input.xml", xpath="//row", stylesheet=xsl")