Tengo miles de archivos XML que estaré procesando, y tienen un formato similar, pero diferentes nombres de padres y diferentes números de padres. A través de libros, google, tutoriales y simplemente probando códigos, he podido extraer toda esta información. Ver, por ejemplo:El análisis de xml al marco de datos pandas genera un error de memoria yBúsqueda dinámica a través de atributos xml usando lxml y xpath en python

Sin embargo, me di cuenta de que estaba extrayendo los datos de manera deficiente, con un "Tiempo" secundario repetido para cada padre.

Esto es lo que estoy tratando de conseguir.

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

Esto es lo que sé conseguir. Pero mi método actual es torpe (mostraré a continuación el ejemplo XML)

    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

Ejemplo de formato XML

<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>

Aquí es cómo puedo obtener mi salida:

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})

Podría simplemente tomar esta salida y reformularla, pero eso parece ineficiente y un enfoque muy torpe.

Creo que necesito algo del sabor:

#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)