将孙子 XML 解析为 pandas 数据框

Question

我看过各种问题和答案，但没有一个完全满足我的需求。

我有 xml 平面文件（由硬件 SCADA 系统生成），格式如下（编辑：之前草率复制和粘贴，现在用第二个修复并且有空字段）：

<?xml version='1.0' encoding='UTF-8'?>
<doc>
    <row>
        <DATE>2022-01-14 06:04:18</DATE>
        <MS>9</MS>
        <POSITION_1>
            <VALUE>53.9850 </VALUE>
            <STATUSVALUE>1327104</STATUSVALUE>
            <STATUS>    +</STATUS>
        </POSITION_1>
        <POSITION_2>
            <VALUE>54.3050 </VALUE>
            <STATUSVALUE>1327104</STATUSVALUE>
            <STATUS>-F- +</STATUS>
        </POSITION_2>
        <POSITION_3>
            <VALUE>54.0450 </VALUE>
            <STATUSVALUE>1327104</STATUSVALUE>
            </STATUS>
        </POSITION_3>
    </row>
    <row>
        <DATE>2022-01-14 06:04:42</DATE>
        <MS>302</MS>
        <POSITION_1>
            <VALUE>54.2600 </VALUE>
            <STATUSVALUE>1327104</STATUSVALUE>
            <STATUS>    +</STATUS>
        </POSITION_1>
        <POSITION_2>
            <VALUE>54.4350 </VALUE>
            <STATUSVALUE>1327104</STATUSVALUE>
            <STATUS>    +</STATUS>
        </POSITION_2>
        <POSITION_3>
            <VALUE>54.0800 </VALUE>
            <STATUSVALUE>1327104</STATUSVALUE>
            <STATUS>    +</STATUS>
        </POSITION_3>
    </row>
</doc>

（实际上是 POSITION_6）并且希望返回一个与我使用 Power Query 执行导入并最终得到列时 Excel 创建的格式相同的数据框：

DATE  
MS  
POSITION_1.VALUE  
POSITION_1.STATUSVALUE  
POSITION_1.STATUS  
POSITION_2.VALUE  
POSITION_2.STATUSVALUE  
POSITION_2.STATUS  
POSITION_3.VALUE  
POSITION_3.STATUSVALUE  
POSITION_3.STATUS  

Excel（有一些争论）给出：

目前我正在使用 Pandas read_xml，我刚刚得到：

                     DATE   MS  POSITION_1  ...  POSITION_4  POSITION_5  POSITION_6
0     2022-01-14 06:02:36  193         NaN  ...         NaN         NaN         NaN
1     2022-01-14 06:04:18    9         NaN  ...         NaN         NaN         NaN
2     2022-01-14 06:04:42  302         NaN  ...         NaN         NaN         NaN
3     2022-01-14 06:05:15  582         NaN  ...         NaN         NaN         NaN
4     2022-01-14 06:05:46  579         NaN  ...         NaN         NaN         NaN

因为它的读数不低于树中的 POSITION_X 级别

Answer 1

除了额外的

</row>

和 IIUC 之外，你还可以使用 elementtree 来达到

POSITION_*

details :

import xml.etree.ElementTree as ET

data = [
    dict(
        {fld: row.findtext(fld) for fld in ["DATE", "MS"]},
        **{f"{p.tag}.{details.tag}": details.text for p in row for details in p}
    )
    for row in ET.parse("file.xml").findall("row") # <- put here the actual filepath
]

df = pd.DataFrame(data)

输出：

日期	MS	POSITION_1.VALUE	POSITION_1.STATUSVALUE	POSITION_1.状态	POSITION_2.VALUE	POSITION_2.STATUSVALUE	POSITION_2.状态	POSITION_3.VALUE	POSITION_3.STATUSVALUE	POSITION_3.状态
2022-01-14 06:02:36	193	53.985	1327104	+	54.305	1327104	-F-+	54.045	1327104