Ich habe Tausende von XML-Dateien, die ich verarbeiten werde, und sie haben ein ähnliches Format, aber unterschiedliche Elternnamen und eine unterschiedliche Anzahl von Eltern. Durch Bücher, Google, Tutorials und das Ausprobieren von Codes konnte ich all diese Daten herausholen. Siehe zum Beispiel:Das Parsen von XML in einen Pandadatenrahmen löst einen Speicherfehler aus undDynamische Suche durch XML-Attribute mit lxml und xpath in Python

Ich bemerkte jedoch, dass ich die Daten schlecht extrahierte und ein Kind die "Zeit" für jedes Elternteil wiederholte.

Hier ist was ich versuche zu bekommen.

Time   blah   abc
1200   100   2
1300   30    4
1400   70    2

Folgendes weiß ich zu bekommen. Aber meine derzeitige Methode ist klobig (ich zeige unten das XML-Beispiel)

    child      Time   grandchild
0     blah     1200    100
1     blah     1300    30
...
n-2   abc      1200    2
n-1   abc      1300    4
n     abc      1400    2

Beispiel XML-Format

<outer>
   <inner>
      <parent name = "blah" id = "1"> 
         <child Time = "1200"> 
            <grandchild>100</grandchild>  
         </child>
         <child Time = "1300">
            <grandchild>30</grandchild>
         </child>
         <child Time = "1400">
            <grandchild>70</grandchild>
         </child>
      </parent>
      <parent name = "abc" id = "2"> 
         <child Time = "1200">   
            <grandchild>2</grandchild> 
         </child>
         <child Time = "1300">
            <grandchild>4</grandchild>
         </child>
         <child Time = "1400">
            <grandchild>2</grandchild>
         </child>
      </parent>      
      <parent name = "1234" id = "7734"> 
         <other> 12 </other>
      </parent> 
   </inner>
</outer>

So kann ich meine Ausgabe erhalten:

from lxml import etree, objectify
from pandas import *
dTime=[]
dparent = []
dgrandchild=[]
for df in root.xpath('/*/*/*/parent/child'):
    dparent.append(df.getparent().attrib['name'])
    ## Iterate over attributes of time for specific parent
    for attrib in df.attrib:
    dTime.append(df.attrib[attrib])
        ## grandchild is a child of time, and iterate
        subfields = df.getchildren()
        for subfield in subfields:
         dgrandchild.append(subfield.text)
df=DataFrame({'Parent': dparent,'Time':dTime,'grandchild':dgrandchld})

Ich könnte diese Ausgabe einfach nehmen und neu gestalten, aber das scheint ineffizient und ein sehr klobiger Ansatz zu sein.

Ich denke, ich brauche etwas von dem Geschmack:

#this does not work
data = []
for elem in root.xpath('/*/*/*/parent/child'):
   elem_data = {}
   for attrib in elem.attrib:
       elem_data['Time'] = elem.attrib[attrib])
   for child in elem.getchildren():
       elem_data[getparent().attrib['name'])] = child.text
       data.append(elem_data)
ndata = DataFrame(data)