带有添加数据的 Pandas DataFrame 到 XML

Question

我很难从 Pandas DataFrame 生成 .xml 文件。我正在使用这个解决方案 (How do convert a pandas/dataframe to XML?)（抱歉，由于某种原因，堆栈不会让我将单词链接到该站点），但我正在尝试添加一个额外的字段。如果我不包含 shape 参数，则原始解决方案有效，但我确实需要将值添加到 .xml 文件中。我不知道为什么我不能用参数调用函数。除了调用该函数之外，我还很难将其编写为 xml。我搜索了其他一些堆栈问题，发现这个代码块有效，但是当我打开 .xml 文件时，我只得到四个数字（30、1、67、44）。虽然如果我在 pycharm 中打开它，我会得到“想要的”视图。

file_handle = open("output.xml", "w")
Q.writexml(file_handle)
file_handle.close()

代码：

print(image_x.shape)
output: (185, 186, 3)

width = image_x.shape[0]
height = image_x.shape[1]
depth = image_x.shape[2]

def func(row, width, height, depth):
    xml = ['<item>']
    shape = [f'<width>{width}</width>\n<height>{height}</height>\n<depth>{depth}</depth>']
    for field in row.index:
        xml.append('  <{0}>{1}</{0}>'.format(field, row[field]))
    xml.append('</item>')
    xml.append(shape)
    return '\n'.join(xml)

xml_file = func(df, width, height, depth)

df:

   xmin  ymin  xmax  ymax
0    30     1    67    44
1    39   136    73   176

错误：

Traceback (most recent call last):
  File "D:\PyCharmEnvironments\lib\site-packages\pandas\core\indexes\base.py", line 3080, in get_loc
    return self._engine.get_loc(casted_key)
  File "pandas\_libs\index.pyx", line 70, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\index.pyx", line 101, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\hashtable_class_helper.pxi", line 4554, in pandas._libs.hashtable.PyObjectHashTable.get_item
  File "pandas\_libs\hashtable_class_helper.pxi", line 4562, in pandas._libs.hashtable.PyObjectHashTable.get_item
KeyError: 0

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
  File "D:/PycharmProjects/Augmentation/random_shit.py", line 100, in <module>
    Q = func(df, width, height, depth)
  File "D:/PycharmProjects/Augmentation/random_shit.py", line 95, in func
    xml.append('  <{0}>{1}</{0}>'.format(field, row[field]))
  File "D:\PyCharmEnvironments\lib\site-packages\pandas\core\frame.py", line 3024, in __getitem__
    indexer = self.columns.get_loc(key)
  File "D:\PyCharmEnvironments\lib\site-packages\pandas\core\indexes\base.py", line 3082, in get_loc
    raise KeyError(key) from err
KeyError: 0

期望的输出：

<annotations>
  <size>
    <width>185</width>
    <height>186</height>
    <depth>3</depth>
  </size>
  <item>
    <xmin>30</xmin>
    <ymin>1</ymin>
    <xmax>67</xmax>
    <ymax>44</ymax>
  </item>
  <item>
    <xmin>39</xmin>
    <ymin>136</ymin>
    <xmax>73</xmax>
    <ymax>176</ymax>
  </item>
</annotations>

Answer 1

单行函数：

def func(df, width, height, depth):
    return '<annotations>\n'+f'<width>{width}</width>\n<height>{height}</height>\n<depth>{depth}</depth>\n'+df.apply(lambda row:f'<item>\n<xmin>{row.xmin}</xmin>\n<ymin>{row.ymin}</ymin>\n<xmax>{row.xmax}</xmax>\n<ymax>{row.ymax}</ymax>\n</item>\n',axis=1).str.cat()+'\n</annotations>'

使用+ 连接字符串，并使用apply 和cat 对数据框使用map-reduce 方法。 Apply 将构建每个数据帧行并将其转换为等效于<item> 标记的字符串，str.cat() 将连接每一行（也将输入参数行重命名为 df）

Answer 2

由于 XML 不完全是一个文本文件，请避免 building XML with string concatenation 的常见问题。因此，请避免链接帖子中可能无法正确处理数据编码的解决方案。回想一下 XML 代表 Extensible Markup Language，它定义了一组编码文档的规则。

因此，请考虑使用兼容的 DOM 库，例如 Python 的内置 etree 或功能丰富的第三方 lxml：

import xml.etree.ElementTree as et 
# import lxml.etree as et

root = et.Element("annotations")

size = et.SubElement(root, "size")
et.SubElement(size, "width").text = str(image.shape[0])
et.SubElement(size, "length").text = str(image.shape[1])
et.SubElement(size, "depth").text = str(image.shape[2])

data = image.to_dict(orient='records')

for d in data:
   item = et.SubElement(root, "item")

   for k, v in d.items():
      et.SubElement(item, k).text = str(v)

with open("output.xml", "wb") as f:
   f.write(et.tostring(root, encoding="utf8"))

要使用换行和缩进漂亮的打印输出，请在内置 minidom 中使用 toprettyxml。注意：lxml.etree 在其tostring 调用中有一个pretty_print 参数。

from xml.dom.minidom import parseString

# ...same code as above except write output

dom = parseString(et.tostring().decode("utf-8"))

with open("output.xml", "wb") as f:
   f.write(dom.toprettyxml(encoding="utf8"))