100天精通Python（数据分析篇）——第60天：Pandas读写xml文件（read_xmlto_xml）

Posted 2022-11-26 无羡ღ

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了100天精通Python（数据分析篇）——第60天：Pandas读写xml文件（read_xmlto_xml）相关的知识，希望对你有一定的参考价值。

文章目录

每篇前言
一、read_xml
二、to_xml
三、书籍推荐

每篇前言

🏆🏆作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6

🔥🔥本文已收录于Python全栈系列专栏：《100天精通Python从入门到就业》
📝📝此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣
🎉🎉订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进千人Python全栈交流群（手把手教学，问题解答）； 进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
🚀🚀加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！

pandas读写xml文件依赖的需要安装lxml库，所以需要安装：pip install lxml

一、read_xml

语法格式：

pd.read_xml(
    path_or_buffer: FilePathOrBuffer,
    xpath: str | None = "./*",
    namespaces: dict | list[dict] | None = None,
    elems_only: bool | None = False,
    attrs_only: bool | None = False,
    names: list[str] | None = None,
    encoding: str | None = "utf-8",
    parser: str | None = "lxml",
    stylesheet: FilePathOrBuffer | None = None,
    compression: CompressionOptions = "infer",
    storage_options: StorageOptions = None,
) -> DataFrame:

1. path_or_buffer

接受XML字符串或者XML文件路径

（1）读取xml字符串：

import pandas as pd
import numpy as np

test = """
<collection shelf="New Arrivals">
	<class className="1班">
	   <code>2022001</code>
	   <number>10</number>
	   <teacher>小白</teacher>
	</class>
	<class className="2班">
	   <code>2022002</code>
	   <number>20</number>
	   <teacher>小红</teacher>
	</class>
	<class className="3班">
	   <code>2022003</code>
	   <number>30</number>
	   <teacher>小黑</teacher>
	</class>
</collection>
"""

df = pd.read_xml(test)
print(df)

运行结果：

（2）读取xml文件：

import pandas as pd
import numpy as np


df = pd.read_xml('test.xml')
print(df)

运行结果：

2. xpath

用于解析迁移到DataFrame所需的节点集的XPath。

import pandas as pd
import numpy as np

test = """
<collection shelf="New Arrivals">
	<class className="1班">
	   <code>2022001</code>
	   <number>10</number>
	   <teacher>小白</teacher>
	</class>
	<class className="2班">
	   <code>2022002</code>
	   <number>20</number>
	   <teacher>小红</teacher>
	</class>
	<class className="3班">
	   <code>2022003</code>
	   <number>30</number>
	   <teacher>小黑</teacher>
	</class>
</collection>
"""

# 读取class
df = pd.read_xml(test, xpath=".//class")
print(df)

运行结果：

3. namespaces

XML文档中定义的名称空间为字典，key为名称空间前缀，value为URI。接收字典参数。用处较少。

4. elems_only

接收bool类型, 默认为 False。只解析指定xpath的子元素。默认情况下，返回所有子元素和非空文本节点。

import pandas as pd
import numpy as np

test = """
<collection shelf="New Arrivals">
	<class className="1班">
	   <code>2022001</code>
	   <number>10</number>
	   <teacher>小白</teacher>
	</class>
	<class className="2班">
	   <code>2022002</code>
	   <number>20</number>
	   <teacher>小红</teacher>
	</class>
	<class className="3班">
	   <code>2022003</code>
	   <number>30</number>
	   <teacher>小黑</teacher>
	</class>
</collection>

"""

# elems_only=False时
df = pd.read_xml(test, xpath=".//class",elems_only=False)
print(df)
# elems_only=True时
df = pd.read_xml(test, xpath=".//class",elems_only=True)
print(df)

运行结果：

5. attrs_only

只解析指定xpath的属性。接收bool类型, 默认为 False，返回所有属性。

import pandas as pd
import numpy as np

test = """
<collection shelf="New Arrivals">
	<class className="1班">
	   <code>2022001</code>
	   <number>10</number>
	   <teacher>小白</teacher>
	</class>
	<class className="2班">
	   <code>2022002</code>
	   <number>20</number>
	   <teacher>小红</teacher>
	</class>
	<class className="3班">
	   <code>2022003</code>
	   <number>30</number>
	   <teacher>小黑</teacher>
	</class>
</collection>

"""


df = pd.read_xml(test, xpath=".//class",attrs_only=False)
print(df)

df = pd.read_xml(test, xpath=".//class",attrs_only=True)
print(df)

运行结果：

6. names

重命令DataFrame的列名，接收列表类型。

import pandas as pd
import numpy as np

test = """
<collection shelf="New Arrivals">
	<class className="1班">
	   <code>2022001</code>
	   <number>10</number>
	   <teacher>小白</teacher>
	</class>
	<class className="2班">
	   <code>2022002</code>
	   <number>20</number>
	   <teacher>小红</teacher>
	</class>
	<class className="3班">
	   <code>2022003</code>
	   <number>30</number>
	   <teacher>小黑</teacher>
	</class>
</collection>

"""


df = pd.read_xml(test, xpath=".//class",names=['班级','学号','年龄','名字'])
print(df)

运行结果：

7. encoding

xml文件的编码格式，默认为 ‘utf-8’

8. parser

切换检索数据的解析器模块，支持‘lxml’ 和‘etree’，默认是‘lxml’。

9. stylesheet

接收str、path对象或类文件对象。URL、类文件对象或包含XSLT脚本的原始字符串。这个样式表应该将复杂的、深度嵌套的XML文档扁平化，以便于解析。要使用此功能，必须安装lxml模块并指定“lxml”作为解析器。xpath必须引用XSLT转换后生成的已转换XML文档的节点，而不是原始XML文档。目前仅支持XSLT 1.0脚本，不支持更高版本。

10. compression

接收str或dict，默认为“infer”。用于动态解压缩磁盘上的数据。如果“infer”和“path_or_buffer”类似于路径，则从以下扩展名检测压缩：“”。gz“，”。bz2’，‘。zip“，”。xz“，”。zst“，”。焦油’，‘。焦油。gz“，”.tar。xz’或’.tar。bz2’（否则不压缩）。如果使用“zip”或“tar”，则zip文件只能包含一个要读取的数据文件。如果不解压缩，请设置为“无”。也可以是键“method”设置为‘zip’、‘gzip’，‘bz2’、‘zstd’、‘tar’之一的dict，其他键值对被转发到zipfile。ZipFile，gzip。GzipFile，bz2.bz2文件，zstandard。Zstd解压缩器或目标文件。分别为TarFile。例如，可以使用自定义压缩字典为Zstandard解压缩传递以下内容：compression=‘method’：‘zstd’，‘dict_data’：my_compression_dict。

11. storage_options

接收dict字典类型。对于特定存储连接有意义的额外选项，例如主机、端口、用户名、密码等。对于HTTP（S）URL，键值对被转发到urllib.request。请求作为标头选项。对于其他URL（例如以“s3://”和“gcs://”开头），键值对被转发到fsspec.open

二、to_xml

语法格式：

DataFrame.to_xml(
        self,
        path_or_buffer: FilePathOrBuffer | None = None,
        index: bool = True,
        root_name: str | None = "data",
        row_name: str | None = "row",
        na_rep: str | None = None,
        attr_cols: str | list[str] | None = None,
        elem_cols: str | list[str] | None = None,
        namespaces: dict[str | None, str] | None = None,
        prefix: str | None = None,
        encoding: str = "utf-8",
        xml_declaration: bool | None = True,
        pretty_print: bool | None = True,
        parser: str | None = "lxml",
        stylesheet: FilePathOrBuffer | None = None,
        compression: CompressionOptions = "infer",
        storage_options: StorageOptions = None,
    ) -> str | None:

1. path_or_buffer

接收字符串、路径对象（实现os.PathLike[str]）或实现write（）函数的类文件对象。如果为“无”，则结果将作为字符串返回。

（1）写入字符串：

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'],
                   'age': [18, 19, 29],
                   'class': [1, 2, np.nan])
print(df)
xml = df.to_xml()
print(xml)

运行结果：

（2）写入xml文件：

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'],
                   'age': [18, 19, 29],
                   'class': [1, 2, np.nan])
print(df)
df.to_xml('test.xml')

运行结果：

2. index

是否写入索引，接收bool类型，默认为False。

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'],
                   'age': [18, 19, 29],
                   'class': [1, 2, np.nan])
# print(df)
xml = df.to_xml(index=False)
print(xml)
xml = df.to_xml(index=True)
print(xml)

运行结果：

<?xml version='1.0' encoding='utf-8'?>
<data>
  <row>
    <name>小明</name>
    <age>18</age>
    <class>1.0</class>
  </row>
  <row>
    <name>小红</name>
    <age>19</age>
    <class>2.0</class>
  </row>
  <row>
    <name>小张</name>
    <age>29</age>
    <class/>
  </row>
</data>
<?xml version='1.0' encoding='utf-8'?>
<data>
  <row>
    <index>0</index>
    <name>小明</name>
    <age>18</age>
    <class>1.0</class>
  </row>
  <row>
    <index>1</index>
    <name>小红</name>
    <age>19</age>
    <class>2.0</class>
  </row>
  <row>
    <index>2</index>
    <name>小张</name>
    <age>29</age>
    <class/>
  </row>
</data>

3. root_name

XML文档中根元素的名称，接收字符串，默认为：‘data’

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'],
                   'class': [1, 2, np.nan])
# print(df)
xml = df.to_xml(root_name='test')
print(xml)

运行结果（修改为test）：

4. row_name

XML文档中row元素的名称，接收字符串，默认为：‘row’

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'],
                   'class': [1, 2, np.nan])
# print(df)
xml = df.to_xml(row_name='test1')
print(xml)

运行结果：

5. na_rep

填充缺失值，接收字符串类型。

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'],
                   'class': [1, 2, np.nan])
# print(df)
xml = df.to_xml(na_rep='3')
print(xml)

运行结果：

6. attr_cols

要作为属性写入行元素的列的列表。分层列将用下划线平展，以分隔不同的级别。

7. elem_cols

要作为行元素中的子级写入的列的列表。默认情况下，所有列输出为行元素的子级。分层列将用下划线平展，以分隔不同的级别。

8. namespaces

在根元素中定义的所有名称空间。字典的键应该是字典对应uri的前缀名和值。默认名称空间应该被赋予空的字符串键。

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'],
                   'class': [1, 2, np.nan])
# print(df)
xml = df.to_xml(namespaces="": "https://www.baidu.com")
print(xml)

运行结果：

9. pretty_print

是否格式化xml文档，默认为True。

import pandas as pd
import numpy as np

df = pd.DataFrame('name': ['小明', '小红', '小张'])
# print(df)
xml = df.to_xml(pretty_print=False)
print(xml)
xml = df.to_xml(pretty_print=True)
print(xml)

运行结果：

10. 其他

其他的参数用处和read_xml中一样

三、书籍推荐

书籍展示：《元宇宙：图说元宇宙、设计元宇宙（全两册）》

【书籍内容简介】

世间可曾存在着这样一个时空？那里高度自由，不会受到任何来自外界的干涉和干扰；那里无限可能，可凭个人喜好随性创造……
有的，就叫“元宇宙”！
元宇宙，可以满足不同人不同的期许，可以实现不同人不同的梦想，甚至可以容下世间所有截然不同的存在！心动吗？别急，在此之前，我们需要先明白“什么是元宇宙”，以及，“如何架构属于自己的元宇宙”——
北京大学出版社联合文津图书奖得主、全国十大科普教育平台“量子学派”与中国科学院院士，共同推出《元宇宙：图说元宇宙、设计元宇宙（全两册）》一书，不仅用场景化的叙事艺术带你轻松入门元宇宙，更有320幅手绘插图、十一维元宇宙关系图谱和大拉页版“2140世界设定”，助你直观地了解并且亲手架构独一无二的元宇宙！
元宇宙时代已缓缓开启，做好准备就启程吧！

京东自营：https://item.jd.com/13577756.html

以上是关于100天精通Python（数据分析篇）——第60天：Pandas读写xml文件（read_xmlto_xml）的主要内容，如果未能解决你的问题，请参考以下文章

100天精通Python（数据分析篇）——第52天：numpy完结

100天精通Python（数据分析篇）——第53天：初始pandas模块

100天精通Python（数据分析篇）——第49天：初识numpy模块

100天精通Python（数据分析篇）——第54天：Series对象大总结

100天精通Python（数据分析篇）——第50天：numpy进阶

100天精通Python（数据分析篇）——第64天：Pandas分组groupby函数案例