使用pandas read_xml()解析带属性XML返回NaN问题求助

你的问题出在read_xml默认会提取标签的文本内容，但你的数据存储在子标签的value属性中，同时XML带有命名空间，需要调整参数来指定提取属性值。

修正后的代码 #

import pandas as pd

xml = '''<?xml version='1.0' encoding='utf-8'?>
    <doc:data xmlns:doc="https://example.com">
      <doc:row>
        <doc:shape value="triangle" />
        <doc:degrees value="180" />
        <doc:sides value="3.0"/>
      </doc:row>
      <doc:row>
        <doc:shape value="triangle" />
        <doc:degrees value="180" />
        <doc:sides value="3.0"/>
      </doc:row>
      <doc:row>
        <doc:shape value="triangle" />
        <doc:degrees value="180" />
        <doc:sides value="3.0"/>
      </doc:row>
    </doc:data>'''

df = pd.read_xml(
    xml,
    xpath="//doc:row",
    namespaces={"doc": "https://example.com"},
    element_path="./*",
    attrs_only=True,
    names={"value": None}
)

print(df)

参数说明 #

• element_path="./*"：指定解析每个doc:row节点下的所有子元素（即doc:shape、doc:degrees、doc:sides）
• attrs_only=True：告诉pandas只提取子元素的属性内容，忽略标签文本
• names={"value": None}：将子元素的value属性值作为对应列（列名自动使用子元素的标签名）的内容

输出结果 #

shape degrees sides
0  triangle     180   3.0
1  triangle     180   3.0
2  triangle     180   3.0

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