使用pandas展平嵌套XML 解决read_xml嵌套列返回NaN问题

pd.read_xml()默认只会提取指定XPath路径下直接子节点的文本内容，你案例里的ettevotja_aadress节点本身没有直属文本，所有有效内容都存储在它的子节点中，所以默认读取时该列会全部返回NaN，不需要手动修改XML源文件，用pandas原生能力就能实现嵌套展平。

方案1：分块读取后按索引拼接（零额外依赖，适合简单嵌套） #

XML中每个<ettevotja>主节点和内部的<ettevotja_aadress>子节点是严格一一对应的，解析后的行顺序完全匹配，分别读取两个层级的数据后直接横向拼接即可：

import pandas as pd

# 读取企业主表数据，删除全为NaN的嵌套地址列
df_main = pd.read_xml(
    "test_file.xml",
    xpath=".//ettevotja"
).drop(columns=["ettevotja_aadress"])

# 单独读取嵌套的地址节点数据
df_address = pd.read_xml(
    "test_file.xml",
    xpath=".//ettevotja_aadress"
)

# 两表行顺序完全对应，直接拼接得到展平后的完整表
df_flat = pd.concat([df_main, df_address], axis=1)

运行后地址节点下的asukoht_ettevotja_aadressis、asukoha_ehak_kood、ads_normaliseeritud_taisaadress等7个子字段会全部展开为独立列，空值自动填充为NaN，效果和json_normalize处理嵌套JSON一致。

方案2：XSLT预转换一次性读取（适合多层复杂嵌套） #

如果XML嵌套层级更多，不想分多次读取拼接，可以给read_xml传入一段极简XSLT样式表，在解析阶段就把嵌套子节点提升到主节点同级，一次性读入完整展平数据：

import pandas as pd

# 定义展平嵌套地址节点的XSLT规则
flatten_xslt = """
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output method="xml" indent="no"/>
  <!-- 默认复制所有节点和属性 -->
  <xsl:template match="@*|node()">
    <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
    </xsl:copy>
  </xsl:template>
  <!-- 匹配到地址节点时，不输出节点本身，仅输出它的所有子节点 -->
  <xsl:template match="ettevotja_aadress">
    <xsl:apply-templates select="@*|node()"/>
  </xsl:template>
</xsl:stylesheet>
"""

# 传入样式表一次性读取展平数据
df_flat = pd.read_xml(
    "test_file.xml",
    xpath=".//ettevotja",
    stylesheet=flatten_xslt
)

该方法不需要后续拼接操作，嵌套层级越多效率优势越明显。

不建议手动修改XML源文件删除标签的处理方式：不仅容易破坏XML结构合法性，处理大文件时效率极低，上述两种方案均为pandas原生支持的能力，无需改动源文件。

内容的提问来源于stack exchange，提问作者chitown88