如何使用pd.read_xml导入多层嵌套树形XML为DataFrame

你当前遍历独立xpath节点读取后直接拼接的思路无法得到预期结果：pandas.read_xml() 每次传入独立xpath时，只会返回对应匹配节点的内容生成独立DataFrame，不同层级节点读取结果长度不一致、无关联键，直接拼接会出现值错位、行数不匹配的问题，根本生成不了你示例里的交叉组合宽表。

针对你预期输出的实现方案 #

你给出的示例结果是四个节点所有取值的全量笛卡尔积组合，不需要写复杂的XML树遍历循环，按如下方式实现即可：

• 第一步：分别读取四个目标节点的所有有效值，存为列表
• 第二步：对四个值列表做笛卡尔积运算，直接转换为目标格式的DataFrame

对应实现代码：

import pandas as pd
from itertools import product

# 逐个读取目标节点的所有文本值，需要提前安装lxml解析器
node1_list = pd.read_xml("xmltest.xml", xpath="//node1", parser="lxml")["text"].dropna().tolist()
node2_list = pd.read_xml("xmltest.xml", xpath="//node2", parser="lxml")["text"].dropna().tolist()
node3_list = pd.read_xml("xmltest.xml", xpath="//node3", parser="lxml")["text"].dropna().tolist()
node4_list = pd.read_xml("xmltest.xml", xpath="//node4", parser="lxml")["text"].dropna().tolist()

# 生成所有值的交叉组合，输出和你示例格式完全一致的DataFrame
result_df = pd.DataFrame(
    product(node1_list, node2_list, node3_list, node4_list),
    columns=["node1Value", "node2Value", "node3Value", "node4Value"]
)

特殊场景适配 #

如果你的XML节点存在明确的层级从属关系（比如node2是node1的子节点、node3是node2的子节点，不是全量交叉的逻辑），不需要逐个节点读取，直接定位到四个节点的最邻近公共父节点作为xpath，一次性即可读取所有关联字段，不会出现无关联键的问题：

# 示例：假设四个节点的公共父节点路径是//root/item，直接读取父节点下所有目标子节点
result_df = pd.read_xml(
    "xmltest.xml",
    xpath="//root/item",
    elems=["node1", "node2", "node3", "node4"]
)

针对大型XML文件的内存优化：读取时可以传入chunksize参数分块加载，每块处理完成后再追加合并，不要逐节点循环读取追加，避免重复IO开销和值错位问题。

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