Pandas的read_xml函数怎么用读取XML到DataFrame

月夜之吻 2025-12-26 00:00:00 次阅读

pandas 官方不提供 read_xml 函数，因其核心未内置 XML 解析能力；替代方案包括安装第三方库 pandas-read-xml 或用 xml.etree.ElementTree 手动解析后转为 DataFrame。

Pandas 没有 read_xml 函数——这是最常被误查的点，官方 pandas（截至 2.2.x）**根本不提供原生 XML 解析能力**。

为什么找不到 `read_xml`？

因为 pandas 核心不内置 XML 解析器，也不维护 read_xml。你看到的可能是：

第三方库（如 pandas-read-xml）伪造的 API 兼容层
旧文档/博客错误引用（混淆了 read_html 或 read_json）
IDE 自动补全误导（基于字符串匹配或过时 stub）

替代方案：用 `pandas-read-xml` 库

这是目前最接近“read_xml”语义的成熟方案，需单独安装：

pip install pandas-read-xml

它返回标准 DataFrame，支持常见 XML 结构（扁平列表、嵌套属性、重复节点）。关键参数：

iterparse：指定重复节点路径（如 "//item"），决定行级粒度
namespaces：处理带命名空间的 XML（如 {"ns": "http://example.com/ns"}）
attrs_only 和 elems_only：控制提取属性还是子元素

简单示例（XML 内容含多个）：

import pandas_read_xml as pdx

df = pdx.read_xml("books.xml", iterparse="book")
print(df[["title", "author", "price"]])

不用第三方库？用标准库 + pandas 手动解析

若不能引入新依赖，用 Python 原生 xml.etree.ElementTree 提取数据，再喂给 pd.DataFrame：

适合结构简单、可控的 XML（如配置文件、导出报表）
避免 lxml 等额外 C 依赖
注意：手动处理嵌套、空值、类型转换（XML 全是字符串）

最小可行示例：

import xml.etree.ElementTree as ET
import pandas as pd

root = ET.parse("data.xml").getroot()
rows = []
for item in root.findall("record"):
    rows.append({
        "id": item.get("id"),
        "name": item.find("name").text if item.find("name") is not None else None,
        "score": float(item.find("score").text) if item.find("score") is not None else None,
    })
df = pd.DataFrame(rows)