从多XML文件子字段提取数据并合并至Pandas DataFrame的问题

核心逻辑 #

既然XML结构固定，直接定位每个子节点提取对应值，避免拆分合并时的长度不匹配。优先用Python内置的xml.etree.ElementTree配合Pandas构建DataFrame，或者用Pandas 1.3+自带的read_xml简化流程。

方法一：ElementTree手动解析（灵活可控） #

先假设你的XML结构大概是这样（根据问题描述推测）：

<root>
  <Qfl>123</Qfl>
  <Hv>456</Hv>
  <energent>
    <energy_zp>789</energy_zp>
    <other_param>abc</other_param>
  </energent>
  <cc_si_cona>
    <sub_val1>xyz</sub_val1>
    <sub_val2>101</sub_val2>
  </cc_si_cona>
</root>

代码实现 #

import xml.etree.ElementTree as ET
import pandas as pd
import glob

def parse_xml(file_path):
    tree = ET.parse(file_path)
    root = tree.getroot()
    
    # 先提取顶层字段
    row_data = {
        'Qfl': root.find('Qfl').text.strip() if root.find('Qfl') else None,
        'Hv': root.find('Hv').text.strip() if root.find('Hv') else None
    }
    
    # 提取energent下的子节点
    energent = root.find('energent')
    if energent:
        row_data['energy_zp'] = energent.find('energy_zp').text.strip() if energent.find('energy_zp') else None
        # 其他energent子字段照这个格式加就行
    
    # 提取cc_si_cona下的子字段
    cc_node = root.find('cc_si_cona')
    if cc_node:
        row_data['cc_sub1'] = cc_node.find('sub_val1').text.strip() if cc_node.find('sub_val1') else None
        row_data['cc_sub2'] = cc_node.find('sub_val2').text.strip() if cc_node.find('sub_val2') else None
    
    return row_data

# 批量处理所有XML文件
xml_files = glob.glob('/your/xml/directory/*.xml')
all_rows = [parse_xml(f) for f in xml_files]

# 生成结构化DataFrame
final_df = pd.DataFrame(all_rows)

为什么能避免ValueError？ #

每个XML文件解析后生成一个字典，对应DataFrame的一行，所有字段都是单行值，不存在拆分后某列元素数量和总行数不匹配的情况，从根源上解决了你之前的错误。

方法二：用Pandas.read_xml快速处理（更简洁） #

如果你的Pandas版本在1.3.0以上，直接用read_xml指定XPath就能提取嵌套字段，不用写太多解析代码：

import pandas as pd
import glob

# 单个XML读取示例
single_df = pd.read_xml(
    'sample.xml',
    xpath='./',  # 定位根节点下的所有字段
    converters={'Qfl': float, 'Hv': float, 'energy_zp': float}  # 按需指定数据类型
)

# 批量读取并合并
df_list = [pd.read_xml(f, xpath='./') for f in glob.glob('/your/xml/directory/*.xml')]
final_df = pd.concat(df_list, ignore_index=True)

注意点 #

• 如果子节点嵌套深，调整XPath即可，比如提取energy_zp的XPath是./energent/energy_zp
• 要是XML带命名空间，得在namespaces参数里指定，比如namespaces={'ns': 'http://your-namespace.com'}，对应的XPath改成./ns:energent/ns:energy_zp

关于你之前的ValueError #

Length of values (6) does not match length of index (16)这个错误，本质是你拆分提取子节点时，某列的元素数量和DataFrame总行数不一致。比如你可能把所有XML的energy_zp提取成一个长度为6的列表，然后赋值给有16行的DataFrame列，自然就报错了。用上面的方法，每个XML对应一行的所有字段，就不会出现这种问题。

内容的提问来源于stack exchange，提问作者energyMax