我正在努力将nexted xml数据移动到分层数据框架中。由于SO的帮助,我能够从xml中获取所有数据。但是,现在,我正在努力清理在提取输出之前提取并形成的数据,因为我将这样做数千次。在python中使用lxml和xpath通过xml属性进行动态搜索
更新:这是我事实上想要的。我似乎无法动态获取Time
和value
的channel
。频道名称将随每个文件而改变。
当channel = txt1[0]
(此文件,txt1[0]="blah"
)通过时channel = txt1[8]
(这个文件,txt1[8]="lir"
)
channel Time value
0 blah 2013-05-01 00:00:00 258
1 blah 2013-05-01 00:01:00 259
...
n-2 lir 2013-05-01 23:57:00 58
n-1 lir 2013-05-01 23:58:00 37
n lir 2013-05-01 23:59:00 32
这里是我的xml文件是如何获取和结构化:
import requests
from lxml import etree, objectify
r = requests.get('https://api.stuff.us/place/getData? security_key=key&period=minutes&startTime=2013-05-01T00:00&endTime=2013-05-01T23:59&sort=channel') #edited for privacy
root = etree.fromstring(r.text)
xml_new = etree.tostring(root, pretty_print=True)
print xml_new[300:900] #gives xml output to show structure
<startTime>2013-05-01 00:00:00</startTime>
<endTime>2013-05-01 23:59:00</endTime>
<summaryPeriod>minutes</summaryPeriod>
<data>
<channel channel="97925" name="blah">
<Time Time="2013-05-01 00:00:00">
<value>258</value>
</Time>
<Time Time="2013-05-01 00:01:00">
<value>259</value>
</Time>
<Time Time="2013-05-01 00:02:00">
<value>258</value>
</Time>
<Time Time="2013-05-01 00:03:00">
<value>257</value>
</Time>
昨天,我在这里问了这个问题,并解决了将数据帧中的值和time
和value
合并成一个数据帧的问题:Parsing xml to pandas data frame throws memory error
dTime=[]
dvalue=[]
for df in root.xpath('//channel/Time'):
## Iterate over attributes of Time but Time only has one attrib [@Time]
for attrib in df.attrib:
dTime.append(df.attrib[attrib])
## value is a child of time, and iterate
subfields = df.getchildren()
for subfield in subfields:
dvalue.append(subfield.text)
pef=DataFrame({'Time':dTime,'values':dvalue})
pef
<class 'pandas.core.frame.DataFrame'>
Int64Index: 12960 entries, 0 to 12959
Data columns (total 2 columns):
Time 12960 non-null values
value 12960 non-null values
dtypes: object(2)
pef[:5]
Time value
0 2013-05-01 00:00:00 258
1 2013-05-01 00:01:00 259
2 2013-05-01 00:02:00 258
3 2013-05-01 00:03:00 257
4 2013-05-01 00:04:00 257
现在,我正在给这个数据输出为每个信道的(结构是channel
- >Time
- >value
)分开,这样我可以插入信道作为数据集的一列。
因此,我决定动态获取通道名称,并搜索数据。对于此文件,有九个独立的有效通道名称,但对于所有文件(数字或名称)不同。
txt1 = root.xpath('//channel/@name') #this prints all channel names!
len(txt1)
Out[67]: 9
print txt1
['blah', 'b', 'c', 'd', 'vd', 'ef', 'fg', 'kc', 'lir']
我想我可以动态地获取数据(使用较早的解决方案,但增加@name=txt1[0]
),并最终做了for i = 0 to len(txt1), ...
要经过所有的人。但是,我得到一个空的数据帧:
dTime=[]
dchannel = txt1[0] # can hardcode, but need to be able to get all
dvalue=[]
for df in root.xpath('//channel[@name=txt1[0]]/Time'):
#CODE NEEDED: to get dchannel to dynamically = channel[@name]
## Iterate over attributes of time for specific channel
for attrib in df.attrib:
dTime.append(df.attrib[attrib])
## value is a child of time, and iterate
subfields = df.getchildren()
for subfield in subfields:
dvalue.append(subfield.text)
perf=DataFrame({'Channel': dchannel,'Time':dTime,'values':dvalue})
perf
Int64Index([], dtype=int64)
Empty DataFrame
如果我硬编码所需的属性,就像for df in root.xpath('/*/*/*/channel[@name="blah"]/Time'):
它将打印一个属性,但我不能让它工作参考txt1[]
。
我试图参照{0}..., txt1[]
但随后吐出来了D信道属性的元组(因为它是让所有txt1中,而不是获取txt1中属性名称是时间节点的父节点。
我查看了XPath文档,并且我已经通过了lxml教程,并且我无法弄清楚为什么我的动态搜索不起作用。我是否需要回退到.findall()
?如何使用此动态搜索来获取每个数据值在txt1
?
有可能是一个更pythonic的方法来解决这个问题,如设置一个函数,获取attr ibute [@name]
的父母,属性[@Time]
的孩子,然后孙子的文字value
,但我还没有想出如何做到这一点呢。