- xml - AJAX/Jquery XML 解析
- 具有多重继承的 XML 模式
- .net - 枚举序列化 Json 与 XML
- XML 简单类型、简单内容、复杂类型、复杂内容
我有一个这样设计的 XML 数据集:
<DataSet>
<Record><!-- each DataSet can have zero to many Record tags -->
<Identifier><!-- each Record will definitely have exactly one Identifier tag -->
<MRN value="MRN"></MRN><!-- Each Identifier will have zero or at the most one MRN tag, with alphanumeric character as the patient's MRN in value attribute -->
</Identifier>
<Medication><!-- each Record will definitely have exactly one Medication tag -->
<Item value="CUI"></Item><!-- Each Medication will have zero to many Item tags, with alphanumeric character as the Medication CUI in the value attribute -->
</Medication>
</Record>
</DataSet>
我想将一组唯一的 MRN 值/CUI 值导出到一个 csv 文件中。最终的 CSV 文件看起来像这两列:
如果一个 MRN 有多个 CUI,那么我希望 MRN 值在每个 CUI 的第一列重复。此外,我不想要任何空值,这意味着我不想提取任何没有任何 CUI 的 MRN,反之亦然。
我尝试过使用列表和字典,但问题是我无法让最终输出看起来像我想要的那样,每个 CUI 的 MRN 值都重复。我什至创建了一个数据框来查看哪个 CUI 属于哪个 MRN,但这同样不是我想要的输出。这是我使用的代码:
import pandas as pd
import xml.etree.ElementTree as ET
tree = ET.parse('/med/dataset.xml')
root = tree.getroot()
mrn = []
cui = []
for element in root:
for item in element[0::2]:
d=[]
mrn.append(d)
for child in item:
d.append(child.attrib['value'])
for item in element[1::2]:
d=[]
cui.append(d)
for child in item:
d.append(child.attrib['value'])
new_list = [a + b for a,b in zip(mrn, cui)]
print(new_list)
df = pd.DataFrame(new_list)
print(df)
我希望仅使用标准 Python 库(pandas、numpy、xml.etree.ElementTree 和 csv)就可以做到这一点。
有什么想法吗?
最佳答案
您可以使用 ElementTree 解析 XML,将 mrn/cui 组合存储在一个集合中,然后使用 csv 创建 csv。
这是一个例子...
XML 输入 (dataset.xml)
<DataSet>
<Record>
<Identifier>
<MRN value="MRN1"></MRN>
</Identifier>
<Medication>
<Item value="CUI1"></Item>
<Item value="CUI2"></Item>
<Item value="CUI3"></Item>
</Medication>
</Record>
<Record>
<Identifier>
<MRN value="MRN1"></MRN>
</Identifier>
<Medication>
<Item value="CUI1"></Item>
<Item value="CUI2"></Item>
<Item value="CUI3"></Item>
</Medication>
</Record>
<Record>
<Identifier>
<MRN value="MRN2"></MRN>
</Identifier>
<Medication>
<Item value="CUI1"></Item>
<Item value="CUI2"></Item>
<Item value="CUI3"></Item>
</Medication>
</Record>
</DataSet>
python
import csv
import xml.etree.ElementTree as ET
tree = ET.parse("dataset.xml")
mrn_cui = set()
for record in tree.findall(".//Record"):
mrn = record.find("./Identifier/MRN")
items = record.findall("./Medication/Item")
if mrn is not None and items:
for cui in items:
mrn_cui.add(f"{mrn.attrib['value']}|{cui.attrib['value']}")
with open("test.csv", "w", newline="") as csvfile:
csvwriter = csv.writer(csvfile, delimiter=",", quoting=csv.QUOTE_MINIMAL)
csvwriter.writerow(["MRN", "CUI"])
for entry in sorted(mrn_cui):
csvwriter.writerow(entry.split('|'))
输出 (test.csv)
MRN,CUI
MRN1,CUI1
MRN1,CUI2
MRN1,CUI3
MRN2,CUI1
MRN2,CUI2
MRN2,CUI3
您还可以通过使用 lxml 而不是 ElementTree 来稍微简化它...
python
import csv
from lxml import etree
tree = etree.parse("dataset.xml")
mrn_cui = set()
for record in tree.xpath(".//Record[Identifier/MRN/@value and Medication/Item/@value]"):
mrn = record.xpath("./Identifier/MRN/@value")
for cui in record.xpath("./Medication/Item/@value"):
mrn_cui.add(f"{mrn[0]}|{cui}")
with open("test.csv", "w", newline="") as csvfile:
csvwriter = csv.writer(csvfile, delimiter=",", quoting=csv.QUOTE_MINIMAL)
csvwriter.writerow(["MRN", "CUI"])
for entry in sorted(mrn_cui):
csvwriter.writerow(entry.split('|'))
关于python - 使用 python 在 XML 文件中获取唯一项对,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53385472/
今天我在一个 Java 应用程序中看到了几种不同的加载文件的方法。 文件:/ 文件:// 文件:/// 这三个 URL 开头有什么区别?使用它们的首选方式是什么? 非常感谢 斯特凡 最佳答案 file
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我有一个 javascript 文件,并且在该方法中有一个“测试”方法,我喜欢调用 C# 函数。 c# 函数与 javascript 文件不在同一文件中。 它位于 .cs 文件中。那么我该如何管理 j
需要检查我使用的文件/目录的权限 //filePath = path of file/directory access denied by user ( in windows ) File fil
我在一个目录中有很多 java 文件,我想在我的 Intellij 项目中使用它。但是我不想每次开始一个新项目时都将 java 文件复制到我的项目中。 我知道我可以在 Visual Studio 和
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a software
我有 3 个组件的 Twig 文件: 文件 1: {# content-here #} 文件 2: {{ title-here }} {# content-here #}
我得到了 mod_ldap.c 和 mod_authnz_ldap.c 文件。我需要使用 Linux 命令的 mod_ldap.so 和 mod_authnz_ldap.so 文件。 最佳答案 从 c
我想使用PIE在我的项目中使用 IE7。 但是我不明白的是,我只能在网络服务器上使用 .htc 文件吗? 我可以在没有网络服务器的情况下通过浏览器加载的本地页面中使用它吗? 我在 PIE 的文档中看到
我在 CI 管道中考虑这一点,我应该首先构建和测试我的应用程序,结果应该是一个 docker 镜像。 我想知道使用构建环境在构建服务器上构建然后运行测试是否更常见。也许为此使用构建脚本。最后只需将 j
using namespace std; struct WebSites { string siteName; int rank; string getSiteName() {
我是 Linux 新手,目前正在尝试使用 ginkgo USB-CAN 接口(interface) 的 API 编程功能。为了使用 C++ 对 API 进行编程,他们提供了库文件,其中包含三个带有 .
我刚学C语言,在实现一个程序时遇到了问题将 test.txt 文件作为程序的输入。 test.txt 文件的内容是: 1 30 30 40 50 60 2 40 30 50 60 60 3 30 20
如何连接两个tcpdump文件,使一个流量在文件中出现一个接一个?具体来说,我想“乘以”一个 tcpdump 文件,这样所有的 session 将一个接一个地按顺序重复几次。 最佳答案 mergeca
我有一个名为 input.MP4 的文件,它已损坏。它来自闭路电视摄像机。我什么都试过了,ffmpeg , VLC 转换,没有运气。但是,我使用了 mediainfo和 exiftool并提取以下信息
我想做什么? 我想提取 ISO 文件并编辑其中的文件,然后将其重新打包回 ISO 文件。 (正如你已经读过的) 我为什么要这样做? 我想开始修改 PSP ISO,为此我必须使用游戏资源、 Assets
给定一个 gzip 文件 Z,如果我将其解压缩为 Z',有什么办法可以重新压缩它以恢复完全相同的 gzip 文件 Z?在粗略阅读了 DEFLATE 格式后,我猜不会,因为任何给定的文件都可能在 DEF
我必须从数据库向我的邮件 ID 发送一封带有附件的邮件。 EXEC msdb.dbo.sp_send_dbmail @profile_name = 'Adventure Works Admin
我有一个大的 M4B 文件和一个 CUE 文件。我想将其拆分为多个 M4B 文件,或将其拆分为多个 MP3 文件(以前首选)。 我想在命令行中执行此操作(OS X,但如果需要可以使用 Linux),而
快速提问。我有一个没有实现文件的类的项目。 然后在 AppDelegate 我有: #import "AppDelegate.h" #import "SomeClass.h" @interface A
我是一名优秀的程序员,十分优秀!