如何将含XML的Pandas Series/DF单元格转换为多列？

你的单元格里混杂了大量无效符号（比如|）和冗余文本，直接用ElementTree解析会因为格式不规范报错。下面是针对新手的分步实现方案，代码注释很详细：

1. 先模拟你的测试数据 #

先创建一个和你数据集结构一致的示例DataFrame，方便后续测试：

import pandas as pd

# 模拟每个单元格的混乱XML文本
sample_data = {
    'parameters': [
        '''parameters    
 |<data>|
     
 <parameters>|
      | <p num="1" value="0" />  |
    
   |<p num="2" value="0.0" />|
    
   |<p num="3" value="100.0" />| 
    
   |<p num="4" value="2" />|
  
   |<p/>|
     |...|
  
   ||...|
  
   |<data/>|''',
        '''parameters    
 |<data>|
     
 <parameters>|
      | <p num="1" value="5" />  |
    
   |<p num="2" value="3.5" />|
    
   |<p num="3" value="90.0" />| 
    
   |<p num="4" value="7" />|
  
   |<p/>|
     |...|
  
   ||...|
  
   |<data/>|'''
    ]
}
df = pd.DataFrame(sample_data)

2. 编写参数提取函数 #

这个函数会先清理脏数据，再提取有效参数：

import re

def parse_single_cell(cell_text):
    # 第一步：去掉所有多余的|符号
    cleaned_text = cell_text.replace('|', '')
    # 第二步：用正则匹配所有带num和value的<p>标签
    # 正则规则：精准匹配"<p num="数字" value="数值" />"格式的内容
    param_pattern = re.compile(r'<p num="(\d+)" value="([\d.]+)" />')
    matched_params = param_pattern.findall(cleaned_text)
    # 把匹配结果转成字典，键为参数名（比如param_1），值转为数值类型
    result_dict = {f'param_{num}': float(value) for num, value in matched_params}
    return result_dict

3. 批量处理整个DataFrame #

把函数应用到parameters列的每个单元格，再将结果合并到原DataFrame：

# 对每个单元格执行提取操作，得到包含字典的Series
extracted_params = df['parameters'].apply(parse_single_cell)
# 把字典序列转成结构化的DataFrame
params_df = pd.DataFrame(extracted_params.tolist())
# 和原数据合并，得到最终结果
final_result = pd.concat([df, params_df], axis=1)

# 查看处理后的数据
print(final_result)

最终效果 #

处理后每个num="X"会变成单独的列（比如param_1），列值对应原value：

parameters  param_1  param_2  param_3  param_4
0  parameters    
 |<data>|
     
 <parameters>|
      | <p num="1" value="0" />  |
...        0.0      0.0    100.0      2.0
1  parameters    
 |<data>|
     
 <parameters>|
      | <p num="1" value="5" />  |
...        5.0      3.5     90.0      7.0

补充说明 #

你之前用ElementTree失败，是因为原始文本里有大量不符合XML规范的内容（多余符号、不完整标签），ElementTree要求严格的XML格式，所以无法直接解析。用正则提取反而更适配这种混乱的场景。

内容的提问来源于stack exchange，提问作者Snive