Создать фрейм данных из определенных XML-данных в Python

У меня есть XML-файл (пример показан ниже), который я хочу иметь в фрейме данных в Python. Проблема в том, что данные в XML имеют определенную структуру, и у меня возникли проблемы с получением нужных данных.

Я пытался использовать lxml и Pandas (read_xml), где оба делают то, что я ожидал, но не то, что мне нужно.

У меня есть следующий пример XML:

<Errors>
    <Amount>3</Amount>
    <Error>
        <Code>405</Code>
        <Information>
            <Count>1</Count>
            <Time>16:18:13</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "0"/>
                <Parameter Parameter = "Par2" Value = "1"/>
            </Parameter>
        </Information>
        <Information>
            <Count>2</Count>
            <Time>11:04:54</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "2"/>
                <Parameter Parameter = "Par2" Value = "3"/>
            </Parameter>
        </Information>
    </Error>
    <Error>
        <Code>404</Code>
        <Information>
            <Count>1</Count>
            <Time>20:42:48</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "4"/>
                <Parameter Parameter = "Par2" Value = "5"/>
            </Parameter>
        </Information>
    </Error>
</Errors>

У меня есть корень ошибок, где я вижу, что всего есть три ошибки: два раза ошибка 405 и один раз ошибка 404. Каждая ошибка содержит время и некоторые параметры. Теги параметров всегда одинаковы, но значения могут отличаться.

Теперь мне нужен фрейм данных, который выглядит так:

У меня вопрос: как это сделать правильно? Сначала я попробовал использовать индексы (root0[2] и т. д.), но это показалось мне не очень эффективным. Затем я попробовал использовать сами тексты (Код, Информация, Счет, Время и т. д.), но понятия не имею, как это сделать.

Надеюсь, кто-то знает, как это сделать.

Ваш xml недействителен, закрывающий тег должен быть Параметры вместо Параметра!

Hermann12 14.06.2024 09:02
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
1
64
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Вы можете использовать beautifulsoup для анализа XML в фрейме данных:

import pandas as pd
from bs4 import BeautifulSoup

xml_text = """\
<Errors>
    <Amount>3</Amount>
    <Error>
        <Code>405</Code>
        <Information>
            <Count>1</Count>
            <Time>16:18:13</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "0"/>
                <Parameter Parameter = "Par2" Value = "1"/>
            </Parameter>
        </Information>
        <Information>
            <Count>2</Count>
            <Time>11:04:54</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "2"/>
                <Parameter Parameter = "Par2" Value = "3"/>
            </Parameter>
        </Information>
    </Error>
    <Error>
        <Code>404</Code>
        <Information>
            <Count>1</Count>
            <Time>20:42:48</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "4"/>
                <Parameter Parameter = "Par2" Value = "5"/>
            </Parameter>
        </Information>
    </Error>
</Errors>"""

soup = BeautifulSoup(xml_text, "xml")

data = []
for error in soup.select("Error"):
    for info in error.select("Information"):
        data.append(
            {
                "Code": error.Code.text,
                "Count": info.Count.text,
                "Time": info.Time.text,
                **{p["Parameter"]: p["Value"] for p in info.select("Parameter")},
            }
        )

df = pd.DataFrame(data)
print(df)

Распечатки:

  Code Count      Time Par1 Par2
0  405     1  16:18:13    0    1
1  405     2  11:04:54    2    3
2  404     1  20:42:48    4    5

ОП также спросил время, чего еще не хватает в вашем ответе! Также XML недействителен!

Hermann12 14.06.2024 09:06

@Hermann12 Добавил Time

Andrej Kesely 14.06.2024 09:47

Спасибо! В большом файле у меня разные корни, как мне выбрать правильный корень?

Ganesh Gebhard 14.06.2024 14:00

@GaneshGebhard Вы можете использовать .select_one() или .find(), чтобы найти правильный элемент, который вы будете использовать в качестве корневого. В моем примере я использую soup как root.

Andrej Kesely 14.06.2024 14:46
Ответ принят как подходящий

Если ваш xml действителен, вы можете проанализировать его следующим образом:

import xml.etree.ElementTree as ET
import pandas as pd
from io import StringIO

xml = """<Errors>
    <Amount>3</Amount>
    <Error>
        <Code>405</Code>
        <Information>
            <Count>1</Count>
            <Time>16:18:13</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "0"/>
                <Parameter Parameter = "Par2" Value = "1"/>
            </Parameters>
        </Information>
        <Information>
            <Count>2</Count>
            <Time>11:04:54</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "2"/>
                <Parameter Parameter = "Par2" Value = "3"/>
            </Parameters>
        </Information>
    </Error>
    <Error>
        <Code>404</Code>
        <Information>
            <Count>1</Count>
            <Time>20:42:48</Time>
            <Parameters>
                <Parameter Parameter = "Par1" Value = "4"/>
                <Parameter Parameter = "Par2" Value = "5"/>
            </Parameters>
        </Information>
    </Error>
</Errors>"""

f=StringIO(xml)

root = ET.parse(f).getroot()

data = []
columns = ['code', 'count', 'time', 'Par1', 'Par2']
for err in root.findall("./Error"):
    code = err.find("./Code").text 
    for info in err.iter():
        if info.tag == "Count":
            count = info.text
        if info.tag == "Time":
            time = info.text         
        if info.tag = = "Parameters":
            t =[]
            for p in info.findall('./Parameter'):
                at = (p.attrib['Parameter'], p.attrib['Value'])
                t.append(at)
            d = code, count, time, t[0][1], t[1][1]
            data.append(d)
            
df = pd.DataFrame(data, columns = columns)
print(df)

Выход:

  code count      time Par1 Par2
0  405     1  16:18:13    0    1
1  405     2  11:04:54    2    3
2  404     1  20:42:48    4    5

Спасибо! В этом коде параметры фиксированы, поэтому, если я добавлю еще один параметр, мне придется обновить код снова. Есть ли способ проверить параметры самостоятельно и использовать имена параметров в качестве столбцов?

Ganesh Gebhard 14.06.2024 14:01

Рассмотрим однострочный Python с использованием XSLT , языка специального назначения, предназначенного для преобразования XML-файлов, например выравнивания XML для DataFrame pandas. С помощью lxml (парсер XML pandas по умолчанию) вы можете запускать сценарии XSLT 1.0 на Python и без особых усилий с помощью аргумента stylesheet в pandas.read_xml. Никаких for циклов, if логики или list.append!

XSLT (сохраните ниже как файл .xsl, специальный файл .xml)

<?xml version = "1.0" encoding = "utf-8"?>
<xsl:stylesheet xmlns:xsl = "http://www.w3.org/1999/XSL/Transform" version = "1.0" >
  <xsl:output method = "xml" indent = "yes"/>

  <xsl:template match = "/">
    <data>
      <xsl:apply-templates select = "descendant::Parameters"/>
    </data>
  </xsl:template>
  
  <xsl:template match = "Parameters">
    <row>
      <xsl:copy-of select = "ancestor::Error/Code"/>
      <xsl:copy-of select = "ancestor::Information/Count"/>
      <xsl:copy-of select = "ancestor::Information/Time"/>
      <xsl:apply-templates select = "Parameter"/>
    </row>
  </xsl:template>

  <xsl:template match = "Parameter">
    <xsl:element name = "{@Parameter}">
      <xsl:value-of select = "@Value"/>
    </xsl:element>
  </xsl:template>

</xsl:stylesheet>

Online Demo (нажмите transform)

Питон

errors_df = pd.read_xml(path_or_buffer = "input.xml", stylesheet = "style.xsl")

Другие вопросы по теме

Похожие вопросы