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.
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 Добавил Time
Спасибо! В большом файле у меня разные корни, как мне выбрать правильный корень?
@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.
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?
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")
Ваш xml недействителен, закрывающий тег должен быть Параметры вместо Параметра!