Question

我在DataFrame中有pandas，其中一列是XML字符串。我想要做的是为每个xml节点创建一个列，其列名以规范化形式。例如，

    id    xmlcolumn
    1     <main attr1='abc' attr2='xyz'><item><prop1>text1</prop1><prop2>text2</prop2></item></main>
    2     <main ........</main>

我想将其转换为如下数据框：

id   main.attr1  main.attr2 main.item.prop1  main.item.prop2
1       abc        xyz          text1           text2
2      .....

如何保持DataFrame中的现有列？

，如何做到这一点

Answer 1

需要做的第一步是将XML字符串转换为pandas Series（假设在最后总是有相同数量的列）。所以你需要一个像这样的函数：

def convert_xml(raw):
    # some etree xml mangling

这可以通过例如在python中使用etree包。返回的系列必须具有索引，其中索引中的每个条目都是要显示的新列名，例如为你的例子：

pd.Series(['abc', 'xyz'], index=['main.attr1', 'main.attr2'])

鉴于此功能，您可以使用pandas执行以下操作（模拟XML修改）：

frame = pd.DataFrame({'keep': [42], 'xml': '<foo></foo>'})
temp = frame['xml'].apply(convert_xml)
frame = frame.drop('xml', axis=1)
frame = pd.concat([frame, temp], axis=1)

将带有xml数据的pandas dataframe列转换为规范化列？

1 个答案: