web-dev-qa-db-fra.com

Lire le fichier XML dans Pandas DataFrame

Quelqu'un peut-il aider à convertir le fichier XML suivant en Pandas dataframe:

<?xml version="1.0" encoding="UTF-8" ?>
<root>
        <bathrooms type="dict">
                <n35237 type="number">1.0</n35237>
                <n32238 type="number">3.0</n32238>
                <n44699 type="number">nan</n44699>
        </bathrooms>
        <price type="dict">
                <n35237 type="number">7020000.0</n35237>
                <n32238 type="number">10000000.0</n32238>
                <n44699 type="number">4128000.0</n44699>
        </price>
        <property_id type="dict">
                <n35237 type="number">35237.0</n35237>
                <n32238 type="number">32238.0</n32238>
                <n44699 type="number">44699.0</n44699>
        </property_id>
</root>

Ça devrait ressembler à ça --

SORTIE

Voici le code que j'ai écrit: -

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

tree = ET.parse('real_state.xml')
root = tree.getroot()

dfcols = ['property_id', 'price', 'bathrooms']
df_xml = pd.DataFrame(columns=dfcols)

for node in root:
    property_id = node.attrib.get('property_id')
    price = node.attrib.get('price')
    bathrooms = node.attrib.get('bathrooms')

    df_xml = df_xml.append(
            pd.Series([property_id, price, bathrooms], index=dfcols),
            ignore_index=True)


print(df_xml)

Je reçois Aucun partout, au lieu des valeurs réelles. Quelqu'un peut-il dire comment cela peut être résolu? Merci!

pandaselementtree
4
Sarthak Girdhar

si les données sont simples, comme ça, alors vous pouvez faire quelque chose comme:

from lxml import objectify
xml = objectify.parse('Document1.xml')
root = xml.getroot()

bathrooms = [child.text for child in root['bathrooms'].getchildren()]
price = [child.text for child in root['price'].getchildren()]
property_id = [child.text for child in root['property_id'].getchildren()]

data = [bathrooms, price, property_id]
df = pd.DataFrame(data).T
df.columns = ['bathrooms', 'price', 'property_id']

    bathrooms   price      property_id
0   1.0        7020000.0    35237.0
1   3.0        10000000.0   32238.0
2   nan        4128000.0    44699.0

si elle est plus complexe, une boucle vaut mieux. Vous pouvez faire quelque chose comme

from lxml import objectify
xml = objectify.parse('Document1.xml')
root = xml.getroot()

data=[]
for i in range(len(root.getchildren())):
    data.append([child.text for child in root.getchildren()[i].getchildren()])

df = pd.DataFrame(data).T
df.columns = ['bathrooms', 'price', 'property_id']
4
Chris

J'ai réussi à utiliser cette fonction du package xmltodict :

import xmltodict

xmlDict = xmltodict.parse(xmlData)
df = pd.DataFrame.from_dict(xmlDict)

Ce que j'aime à ce sujet, c'est que je peux facilement faire une manipulation de dictionnaire entre l'analyse du XML et la création de mon df. En outre, cela aide à explorer les données comme un dict si la structure est astucieuse.

0
Correy Koshnick