- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
这是 xml 文件的一小部分。我想从此创建一个数据库,其中每个标签都有唯一的列名称和非重复数据。
尝试使用lxml,到目前为止我能做的最好的事情就是创建一个数据框,结果如下:
"
SRCSGT
DATE 11112017
AGENCY Department of Veterans Affairs
OFFICE Canandaigua VAMC
LOCATION Department of Veterans Affairs Medical Center
ZIP 14424
etc, etc, "
<?xml version="1.0" encoding="UTF-8"?>
<NOTICES>
<SRCSGT>
<DATE>11112017</DATE>
<AGENCY><![CDATA[Department of Veterans Affairs]]></AGENCY>
<OFFICE><![CDATA[Canandaigua VAMC]]></OFFICE>
<LOCATION><![CDATA[Department of Veterans Affairs Medical Center]]></LOCATION>
<ZIP>14424</ZIP>
<CLASSCOD>H</CLASSCOD>
<NAICS>238210</NAICS>
<OFFADD><![CDATA[Department of Veterans Affairs;400 Fort Hill Ave.;Canandaigua NY 14424]]></OFFADD>
<SUBJECT><![CDATA[H--3 YEAR TESTING/MAINTENANCE OF ELECTRICAL EQUIPMENT AT THE SYRACUSE VA MEDICAL CENTER AND THE ROME COMMUNITY BASED OUTPATIENT CLINIC ]]></SUBJECT>
<SOLNBR><![CDATA[9069]]></SOLNBR>
<RESPDATE>11172017</RESPDATE>
<ARCHDATE>12172017</ARCHDATE>
<CONTACT><![CDATA[COiyiyS, JUhhiuN<a href="mailto:Juggyui@va.gov">CONTRACT SPECIALIST</a>]]></CONTACT>
<DESC><![CDATA[This is a Sources Sought Notice. (a) The Government does not intend to award a contract on the basis of this Sources Sought or to otherwise pay for the information solicited.(b) Although "proposal," "offeror," contractor, and "offeror" may be used in this sources sought notice, any response will be treated as information only. It shall not be used as a proposal.Attachment(s) if applicable. ]]></DESC>
<LINK><![CDATA[https://www.fbo.gov/spg/VA/CaVAMC532/CaVAMC532/9069/listing.html]]></LINK>
<EMAIL>
<ADDRESS><![CDATA[Jigjhgjas@va.gov]]></ADDRESS>
<DESC><![CDATA[CONTRACT SPECIALIST]]></DESC>
</EMAIL>
<SETASIDE>N/A</SETASIDE>
<RECOVERY_ACT>N</RECOVERY_ACT>
<DOCUMENT_PACKAGES>
<PACKAGE><![CDATA[Attachment]]></PACKAGE>
</DOCUMENT_PACKAGES>
</SRCSGT>
</NOTICES>
<小时/>
from lxml import etree as et
import pandas as pd
trees = et.parse('test.xml') #get xml file
root = trees.getroot() #get to root of file
tags = [] #list for holding all tags
datas = [] #list for holding all data in tags
for child in root: #root is a list of all elements in the xml file
#print(child.tag)
tt = child.tag #reads xml tag
tags.append(tt)
datas.append(child.text) #read xml tag data
for c in child.findall('./'): # ./ finds children
tt1 = c.tag
tags.append(str(tt1))
datas.append(c.text)
for i in c.findall('./'): #each child node loads a new list of elements
tt2 = i.tag
tags.append(str(tt1)+ '_' + str(tt2))
datas.append(i.text)
for j in i.findall('./'):
tt3 = j.tag
tags.append(str(tt1)+ '_' + str(tt2) + '_' + str(tt3))
datas.append(j.text)
for k in j.findall('./'):
tt4 = k.tag
tags.append(str(tt1)+ '_' + str(tt2) + '_' + str(tt3) + '_' + str(tt4))
datas.append(k.text)
df = pd.DataFrame({"tags": tags,"values": datas})
<小时/>
所需的解决方案是这样的
date agency office
1/1/10 A1 O1
1/1/10 A2 O2
1/1/10 A3 O3
所以基本上标签应该变成列标题并且必须填充。列名不应重复,以便我可以创建标准数据库表。
最佳答案
考虑嵌套的 xpath 循环,首先循环遍历每个 <SCRSGT>
节点,然后使用内部字典提取所有 SCRSGT 的子节点,该字典迭代地追加到 DataFrame
的列表中。调用:
from lxml import etree as et
import pandas as pd
trees = et.parse('test.xml')
d = []
for srcsgt in trees.xpath('//SRCSGT'): # ITERATE THROUGH ROOT'S CHILDREN
inner = {}
for elem in srcsgt.xpath('//*'): # ITERATE THROUGH ROOT'S DESCENDANTS PER CHILD
if len(elem.text.strip()) > 0: # KEEP ONLY NODES WITH NON-ZERO LENGTH TEXT
inner[elem.tag] = elem.text
d.append(inner)
df = pd.DataFrame(d)
输出
print(df)
# ADDRESS AGENCY ARCHDATE CLASSCOD \
# 0 Jigjhgjas@va.gov Department of Veterans Affairs 12172017 H
# CONTACT DATE \
# 0 COiyiyS, JUhhiuN<a href="mailto:Juggyui@va.gov... 11112017
# DESC LINK \
# 0 CONTRACT SPECIALIST https://www.fbo.gov/spg/VA/CaVAMC532/CaVAMC532...
# LOCATION NAICS \
# 0 Department of Veterans Affairs Medical Center 238210
# OFFADD OFFICE \
# 0 Department of Veterans Affairs;400 Fort Hill A... Canandaigua VAMC
# PACKAGE RECOVERY_ACT RESPDATE SETASIDE SOLNBR \
# 0 Attachment N 11172017 N/A 9069
# SUBJECT ZIP
# 0 H--3 YEAR TESTING/MAINTENANCE OF ELECTRICAL EQ... 14424
关于python - 从嵌套的 xml 文件创建 pandas 数据框,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47874196/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!