文章目录
- 每篇前言
- 一、read_xml
- 1. path_or_buffer
- 2. xpath
- 3. namespaces
- 4. elems_only
- 5. attrs_only
- 6. names
- 7. encoding
- 8. parser
- 9. stylesheet
- 10. compression
- 11. storage_options
- 二、to_xml
- 1. path_or_buffer
- 2. index
- 3. root_name
- 4. row_name
- 5. na_rep
- 6. attr_cols
- 7. elem_cols
- 8. namespaces
- 9. pretty_print
- 10. 其他
- 三、书籍推荐
每篇前言
作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6
- 本文已收录于Python全栈系列专栏：此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣
- 订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进千人Python全栈交流群（手把手教学，问题解答）； 进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
- 加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！
pandas读写xml文件依赖的需要安装lxml库，所以需要安装：
pip install lxml
一、read_xml
语法格式：
pd.read_xml( path_or_buffer: FilePathOrBuffer, xpath: str | None = "./*", namespaces: dict | list[dict] | None = None, elems_only: bool | None = False, attrs_only: bool | None = False, names: list[str] | None = None, encoding: str | None = "utf-8", parser: str | None = "lxml", stylesheet: FilePathOrBuffer | None = None, compression: CompressionOptions = "infer", storage_options: StorageOptions = None,) -> DataFrame:1. path_or_buffer
接受XML字符串或者XML文件路径
（1）读取xml字符串：
import pandas as pdimport numpy as nptest = """ 2022001 10 小白 2022002 20 小红 2022003 30 小黑"""df = pd.read_xml(test)print(df)运行结果：
（2）读取xml文件：
import pandas as pdimport numpy as npdf = pd.read_xml('test.xml')print(df)运行结果：
2. xpath
用于解析迁移到DataFrame所需的节点集的XPath。
import pandas as pdimport numpy as nptest = """ 2022001 10 小白 2022002 20 小红 2022003 30 小黑"""# 读取classdf = pd.read_xml(test, xpath=".//class")print(df)运行结果：
3. namespaces
XML文档中定义的名称空间为字典，key为名称空间前缀，value为URI。接收字典参数。用处较少。
4. elems_only
接收bool类型, 默认为 False。只解析指定xpath的子元素。默认情况下，返回所有子元素和非空文本节点。
import pandas as pdimport numpy as nptest = """ 2022001 10 小白 2022002 20 小红 2022003 30 小黑"""# elems_only=False时df = pd.read_xml(test, xpath=".//class",elems_only=False)print(df)# elems_only=True时df = pd.read_xml(test, xpath=".//class",elems_only=True)print(df)运行结果：
5. attrs_only
只解析指定xpath的属性。 接收bool类型, 默认为 False，返回所有属性。
import pandas as pdimport numpy as nptest = """ 2022001 10 小白 2022002 20 小红 2022003 30 小黑"""df = pd.read_xml(test, xpath=".//class",attrs_only=False)print(df)df = pd.read_xml(test, xpath=".//class",attrs_only=True)print(df)运行结果：
6. names
重命令DataFrame的列名，接收列表类型。
import pandas as pdimport numpy as nptest = """ 2022001 10 小白 2022002 20 小红 2022003 30 小黑"""df = pd.read_xml(test, xpath=".//class",names=['班级','学号','年龄','名字'])print(df)运行结果：
7. encoding
xml文件的编码格式，默认为 ‘utf-8’
8. parser
切换检索数据的解析器模块，支持‘lxml’ 和‘etree’，默认是‘lxml’。
9. stylesheet
接收str、path对象或类文件对象。URL、类文件对象或包含XSLT脚本的原始字符串。这个样式表应该将复杂的、深度嵌套的XML文档扁平化，以便于解析。要使用此功能，必须安装lxml模块并指定“lxml”作为解析器。xpath必须引用XSLT转换后生成的已转换XML文档的节点，而不是原始XML文档。目前仅支持XSLT 1.0脚本，不支持更高版本。
10. compression
接收str或dict，默认为“infer”。用于动态解压缩磁盘上的数据。如果“infer”和“path_or_buffer”类似于路径，则从以下扩展名检测压缩：“”。gz“，”。bz2’，‘。zip“，”。xz“，”。zst“，”。焦油’，‘。焦油。gz“，”.tar。xz’或’.tar。bz2’（否则不压缩）。如果使用“zip”或“tar”，则zip文件只能包含一个要读取的数据文件。如果不解压缩，请设置为“无”。也可以是键“method”设置为{‘zip’、‘gzip’，‘bz2’、‘zstd’、‘tar’}之一的dict，其他键值对被转发到zipfile。ZipFile，gzip。GzipFile，bz2.bz2文件，zstandard。Zstd解压缩器或目标文件。分别为TarFile。例如，可以使用自定义压缩字典为Zstandard解压缩传递以下内容：compression={‘method’：‘zstd’，‘dict_data’：my_compression_dict}。
11. storage_options
接收dict字典类型。对于特定存储连接有意义的额外选项，例如主机、端口、用户名、密码等。对于HTTP（S）URL，键值对被转发到urllib.request。请求作为标头选项。对于其他URL（例如以“s3://”和“gcs://”开头），键值对被转发到fsspec.open
二、to_xml
语法格式：
DataFrame.to_xml( self, path_or_buffer: FilePathOrBuffer | None = None, index: bool = True, root_name: str | None = "data", row_name: str | None = "row", na_rep: str | None = None, attr_cols: str | list[str] | None = None, elem_cols: str | list[str] | None = None, namespaces: dict[str | None, str] | None = None, prefix: str | None = None, encoding: str = "utf-8", xml_declaration: bool | None = True, pretty_print: bool | None = True, parser: str | None = "lxml", stylesheet: FilePathOrBuffer | None = None, compression: CompressionOptions = "infer", storage_options: StorageOptions = None, ) -> str | None:1. path_or_buffer
接收字符串、路径对象（实现os.PathLike[str]）或实现write（）函数的类文件对象。如果为“无”，则结果将作为字符串返回。
（1）写入字符串：
import pandas as pdimport numpy as npdf = pd.DataFrame({'name': ['小明', '小红', '小张'], 'age': [18, 19, 29], 'class': [1, 2, np.nan]})print(df)xml = df.to_xml()print(xml)运行结果：
（2）写入xml文件：
import pandas as pdimport numpy as npdf = pd.DataFrame({'name': ['小明', '小红', '小张'], 'age': [18, 19, 29], 'class': [1, 2, np.nan]})print(df)df.to_xml('test.xml')运行结果：
2. index
是否写入索引，接收bool类型，默认为False。
import pandas as pdimport numpy as npdf = pd.DataFrame({'name': ['小明', '小红', '小张'], 'age': [18, 19, 29], 'class': [1, 2, np.nan]})# print(df)xml = df.to_xml(index=False)print(xml)xml = df.to_xml(index=True)print(xml)运行结果：
<" /> 4. row_name
XML文档中row元素的名称，接收字符串，默认为：‘row’
import pandas as pdimport numpy as npdf = pd.DataFrame({'name': ['小明', '小红', '小张'], 'class': [1, 2, np.nan]})# print(df)xml = df.to_xml(row_name='test1')print(xml)
运行结果：
5. na_rep
填充缺失值，接收字符串类型。
import pandas as pdimport numpy as npdf = pd.DataFrame({'name': ['小明', '小红', '小张'], 'class': [1, 2, np.nan]})# print(df)xml = df.to_xml(na_rep='3')print(xml)
运行结果：
6. attr_cols
要作为属性写入行元素的列的列表。分层列将用下划线平展，以分隔不同的级别。
7. elem_cols
要作为行元素中的子级写入的列的列表。默认情况下，所有列输出为行元素的子级。分层列将用下划线平展，以分隔不同的级别。
8. namespaces
在根元素中定义的所有名称空间。字典的键应该是字典对应uri的前缀名和值。默认名称空间应该被赋予空的字符串键。
import pandas as pdimport numpy as npdf = pd.DataFrame({'name': ['小明', '小红', '小张'], 'class': [1, 2, np.nan]})# print(df)xml = df.to_xml(namespaces={"": "https://www.baidu.com"})print(xml)
运行结果：
9. pretty_print
是否格式化xml文档，默认为True。
import pandas as pdimport numpy as npdf = pd.DataFrame({'name': ['小明', '小红', '小张']})# print(df)xml = df.to_xml(pretty_print=False)print(xml)xml = df.to_xml(pretty_print=True)print(xml)
运行结果：
10. 其他
其他的参数用处和read_xml中一样
三、书籍推荐
书籍展示：《元宇宙：图说元宇宙、设计元宇宙（全两册）》
【书籍内容简介】
- 世间可曾存在着这样一个时空？那里高度自由，不会受到任何来自外界的干涉和干扰；那里无限可能，可凭个人喜好随性创造……
有的，就叫“元宇宙”！
元宇宙，可以满足不同人不同的期许，可以实现不同人不同的梦想，甚至可以容下世间所有截然不同的存在！心动吗？别急，在此之前，我们需要先明白“什么是元宇宙”，以及，“如何架构属于自己的元宇宙”——
北京大学出版社联合文津图书奖得主、全国十大科普教育平台“量子学派”与中国科学院院士，共同推出《元宇宙：图说元宇宙、设计元宇宙（全两册）》一书，不仅用场景化的叙事艺术带你轻松入门元宇宙，更有320幅手绘插图、十一维元宇宙关系图谱和大拉页版“2140世界设定”，助你直观地了解并且亲手架构独一无二的元宇宙！
元宇宙时代已缓缓开启，做好准备就启程吧！
- 京东自营：https://item.jd.com/13577756.html