如何将DataFrame中的XML字符串列拆分展开为带指标列的多行结构化数据

当然有办法实现这个需求！我来给你一步步拆解怎么把嵌套的XML字符串转换成你想要的扁平DataFrame结构：

核心思路 #

我们需要遍历DataFrame的每一行，解析其中的XML字符串，把每个<group>节点转换成一行数据，然后和原行的其他字段（比如KEY）合并，最后把所有结果拼接起来。

具体实现步骤 #

1. 导入所需库 #

我们需要用到pandas处理DataFrame，xml.etree.ElementTree解析XML，还有StringIO来把字符串当作文件对象传给XML解析器：

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

2. 编写XML解析函数 #

这个函数负责把单个XML字符串转换成包含所有<group>数据的小DataFrame：

def parse_xml(xml_str):
    # 将XML字符串转为可解析的文件对象
    tree = ET.parse(StringIO(xml_str))
    root = tree.getroot()
    
    # 收集每个<group>节点的数据
    group_data = []
    for group in root.findall('group'):
        row_dict = {}
        # 遍历group下的所有子节点，提取标签和文本内容
        for child in group:
            row_dict[child.tag] = child.text
        group_data.append(row_dict)
    
    # 转换为DataFrame返回
    return pd.DataFrame(group_data)

3. 处理原DataFrame并合并结果 #

接下来我们把原DataFrame的每一行和解析后的XML数据合并，再展开成目标结构：

# 先定义你的原DataFrame（用你提供的示例数据）
df = pd.DataFrame({
    'KEY': {0: 1, 1: 2},
    'INDICATORS': {
        0: '<?xml version="1.0"?>\n<row>\n <group>\n <date>2017-12-31</date>\n <ind1>14</ind1>\n <ind2>24</ind2>\n </group>\n <group>\n <date>2015-12-31</date>\n <ind1>10</ind1>\n <ind2>20</ind2>\n </group>\n <group>\n <date>2016-12-31</date>\n <ind1>12</ind1>\n <ind2>22</ind2>\n </group>\n</row>\n',
        1: '<?xml version="1.0"?>\n<row>\n <group>\n <date>2017-12-31</date>\n <ind1>0</ind1>\n <ind2>0</ind2>\n </group>\n <group>\n <date>2015-12-31</date>\n <ind1>0</ind1>\n <ind2>0</ind2>\n </group>\n <group>\n <date>2016-12-31</date>\n <ind1>0</ind1>\n <ind2>0</ind2>\n </group>\n</row>\n'
    }
})

# 遍历每一行，合并原字段和解析后的XML数据
expanded_df = df.apply(
    lambda row: pd.concat(
        [pd.DataFrame([row.drop('INDICATORS')]), parse_xml(row['INDICATORS'])],
        axis=1
    ),
    axis=1
).explode(list(parse_xml(df['INDICATORS'].iloc[0]).columns)).reset_index(drop=True)

# 可选：把指标列转换成数值类型（根据你的实际需求调整）
expanded_df[['ind1', 'ind2']] = expanded_df[['ind1', 'ind2']].astype(int)

# 查看结果
print(expanded_df)

4. 最终输出结果 #

运行上面的代码后，你会得到如下结构的DataFrame：

注意事项 #

• 如果你的XML里有更多指标（比如ind3到indN），这个代码也能自动识别并生成对应的列，不需要手动修改
• 如果XML里的字段有缺失值，解析后会显示为NaN，你可以根据需求用fillna()处理
• 若XML字符串格式不规范，可能会导致解析错误，建议先检查XML的有效性

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