我试图从一个XML文件中导入数据,该文件包含来自运动测试的呼吸数据。 的XML结构如下(简化以示出的一般结构):解析XML并获取数据到熊猫数据框的问题
<?xml version="1.0"?>
<Workbook xmlns="urn:schemas-microsoft-com:office:spreadsheet"
xmlns:o="urn:schemas-microsoft-com:office:office"
xmlns:x="urn:schemas-microsoft-com:office:excel"
xmlns:ss="urn:schemas-microsoft-com:office:spreadsheet"
xmlns:html="http://www.w3.org/TR/REC-html40">
<Worksheet ss:Name="MetasoftStudio">
<Table ss:ExpandedColumnCount="21" ss:ExpandedRowCount="458" x:FullColumns="1" x:FullRows="1" ss:StyleID="s62" ss:DefaultColumnWidth="53">
<Column ss:StyleID="s62" ss:AutoFitWidth="0" ss:Width="137"/>
<Column ss:StyleID="s62" ss:AutoFitWidth="0" ss:Width="97"/>
<Column ss:StyleID="s62" ss:AutoFitWidth="0" ss:Width="137"/>
<Row ss:AutoFitHeight="0" ss:Height="26">
<Cell ss:StyleID="Default"><Data ss:Type="String">t</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">Phase</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">Marker</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">V'O2</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">V'O2/kg</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">V'O2/HR</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">HR</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">WR</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">V'E/V'O2</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">V'E/V'CO2</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">RER</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">V'E</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">BF</Data></Cell>
</Row>
<Row ss:Height="15">
<Cell ss:StyleID="Default"><Data ss:Type="String">h:mm:ss</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String"></Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String"></Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">L/min</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">ml/min/kg</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">ml</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">/min</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">W</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String"></Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String"></Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String"></Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">L/min</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">/min</Data></Cell>
</Row>
<Row ss:Height="15">
<Cell ss:StyleID="Default"><Data ss:Type="String">0:00:06</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String">Rest</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="String"></Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">0.27972413565454501</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">4.3706896196022598</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">4.5856415681072953</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">61</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">0</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">27.002532271037801</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">26.4113108545688</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">1.0223851598932201</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">10.155340000000001</Data></Cell>
<Cell ss:StyleID="Default"><Data ss:Type="Number">18.07</Data></Cell>
</Row>
</Table>
</Worksheet>
</Workbook>
我已经使用lxml
解析和遍历XML文件,然后在每一个“细胞”中提取的“数据”追加到一个列表,然后追加该列表父列表使用的代码(给我的每一行的嵌套列表):
from lxml import etree, objectify
import pandas as pd
with open('Python/cortex.xml') as infile:
xml_file = infile.read()
root = objectify.fromstring(xml_file)
header = []
data = []
for row in root.Worksheet.Table.getchildren():
temp_row = []
if not row.tag == '{urn:schemas-microsoft-com:office:spreadsheet}Column':
for cell in row.getchildren():
temp_row.append(cell.Data)
data.append(temp_row)
header = data.pop(0) #remove the first 'row' and store in header list
del data[0] #remove 2nd line of superfluous data
第一行给出了头,于是我pop
是到自己的名单,以及行2包含每个变量的单位,所以我只是摆脱了这一点。到目前为止,所有的工作都很好(或者看起来似乎如此)...
现在我需要将它放入一个pd数据框以开始使用它。如果我去df = pd.DataFrame(data, columns=header)
和我print(df)
我得到: ValueError: Buffer has wrong number of dimensions (expected 1, got 32)
好了不知道那里发生了什么......如果我让DF不分配头和打印,我得到:
0 1 2 3 \
0 [[[0:00:06]]] [[[Rest]]] [[[]]] [[[0.279724135654545]]]
1 [[[0:00:09]]] [[[Rest]]] [[[]]] [[[0.465136232899829]]]
2 [[[0:00:13]]] [[[Rest]]] [[[]]] [[[0.357975433456662]]]
3 [[[0:00:19]]] [[[Rest]]] [[[]]] [[[0.543332419057909]]]
4 [[[0:00:24]]] [[[Rest]]] [[[]]] [[[0.374604578743889]]]
那并不是”你看起来不错!列表中列出的所有这些列表是从哪里来的!如果我迭代并打印嵌套列表data
,它可以完美打印,但是一旦我尝试将其转换为df出现问题时。
任何人都可以启发我发生了什么,以及如何获得数据到PDDF?如果有更好的方法比我做得更好,那么我很乐意放弃它。
完美的作品,谢谢!我假设在XML文件中有多于1
给我一点时间。但是有必要。 – jezrael
对不起 - 只是意识到较大的文件没有多个
相关问题