如何用pandas.read_xml读取XML父节点的loc属性？

你的问题在于直接选取hour节点时，pandas只会提取该节点的子元素，无法自动继承父节点forecast的loc属性。以下两种方法可以解决这个问题：

方法一：读取父节点再展开子节点（推荐） #

通过先读取forecast节点（包含loc属性和hour子节点列表），再将子节点列表展开为多行，最后拆分合并列：

import pandas as pd

# 注意：原代码的`ecoding`是拼写错误，应为`encoding`
df = pd.read_xml("URL_TO_MY_ZIP_FILE", encoding='UTF-8', xpath='.//forecast')

# 将hour列的列表展开为单独行
df = df.explode('hour').reset_index(drop=True)

# 将hour列的嵌套数据拆分为独立列，与loc列合并
final_df = pd.concat([df['loc'], df['hour'].apply(pd.Series)], axis=1)

执行后final_df就会包含你需要的date、time、val、loc四列，结构和目标一致。

方法二：手动解析XML构造数据 #

如果需要更精细的控制，可以直接使用xml.etree.ElementTree解析压缩包内的XML，手动提取所需字段：

import pandas as pd
import xml.etree.ElementTree as ET
from zipfile import ZipFile

# 读取压缩包中的XML文件
with ZipFile("URL_TO_MY_ZIP_FILE") as zip_file:
    # 假设压缩包内只有一个XML文件，取第一个文件名
    xml_filename = zip_file.namelist()[0]
    with zip_file.open(xml_filename) as xml_file:
        tree = ET.parse(xml_file)
        root = tree.getroot()

# 遍历所有forecast和hour节点，构造数据列表
data_rows = []
for forecast_node in root.findall('.//forecast'):
    loc_value = forecast_node.get('loc')
    for hour_node in forecast_node.findall('.//hour'):
        data_rows.append({
            'date': hour_node.find('date').text,
            'time': hour_node.find('time').text,
            'val': hour_node.find('val').text,
            'loc': loc_value
        })

# 转换为DataFrame
final_df = pd.DataFrame(data_rows)

补充说明 #

• 你之前尝试的xpath='./forecast[@loc="*"]/hour'错误在于[@loc="*"]是错误语法，匹配任意loc属性应该用[@loc]，但即使修正，依然无法获取父节点属性，因为pandas只提取hour节点的内容。
• xpath='./forecast/'末尾的斜杠是无效语法，导致报错，正确的写法是xpath='./forecast'。

内容的提问来源于stack exchange，提问作者user2128702