使用Python，在Excel文件中获取一行中单元格的值，其中同一行中的单元格包含来自xml文件的字符串

Question

我有几个 xml 文件，其名称如下：

LLL_ABC0D012_title.xml

LLL_ABC0D013_title.xml

LLL_ABT0G012_title.xml

LLL_ABR0N012_title.xml

“LLL_”后面始终有 8 个字符。

我有一个包含 900 多行的 Excel 文件，如下所示：

参考	dtp1	dtp2	dtp3
ABC0D012	1_blabla	1_1_blablabla	1_1_1_blablablabla
ABC0D013	1_blabla	1_1_blablabla	1_1_1_blablablabla
ABC0D014	1_blabla	1_1_blablabla	1_1_1_blablablabla
ABT0G012	1_blabla	1_1_blablabla	1_1_1_blablablabla

在我的 xml 文件中，我有 text、text、text 标签。 我想用上表中相应列的单元格中的文本修改这些标签的文本。

为此，我希望我的脚本执行一个循环，读取 xml 文件标题中的 ABC0D012 字符（然后是其他字符），在 Excel 文件的“引用”列中找到匹配项，然后查找相应的“dtp1”、“dtp2”和“dtp3”中的值。 然后我想将这些值保存在变量中以替换标签中的文本。

我是Python初学者。我尝试过类似的事情：

import numpy as np
import openpyxl
import pandas as pd
import xml.etree.ElementTree as ET
import os

table1 = pd.read_excel('C:/Users/Documents/datatypes.xlsx', na_values=['NA'])
table2 = table1.replace('\xa0', ' ',regex=True)

for root, dirs, files in os.walk("."):
    for file in files :
        if file[-4:] == '.xml':
            #print(file)
            xml = ET.parse('LLL_ABC0D012_title.xml')
            root = xml.getroot()
            dtp1_xml = root[8]
            dtp2_xml = root[9]          
            dtp3_xml = root[10]
            num = file[4:12]
            #print(num)
            dtp1_excel = table2['dtp1'].where(table2['reference'] == num)
            dtp1_xml.text = dtp1_excel
            #print(dtp1_xml.text)
            ET.indent(root)
            xml.write("LLL_ABC0D012_title.xml", encoding='utf-8', xml_declaration=True, method='xml')

但它不起作用，“dtp1_excel”不会从打印函数中的表中返回 dtp1 值，而是类似：

0      NaN
1      NaN
2      NaN
3      NaN
4      NaN
      ...
931    NaN
932    NaN
933    NaN
934    NaN
935    NaN
Name: dtp1, Length: 936, dtype: object

我在引用和 dtp1 列中没有 NaN 值，它应该只返回单个单元格值。

我的方法有什么问题吗？你能帮我吗？

Answer 1

主要问题是

.where()

返回所有行
它将

NaN

放入不匹配的行中，并将值保留在匹配的行中。

例如

import pandas as pd

data = {
    'X': ['A','B','C'], 
    'Y': ['D','E','F'], 
    'Z': ['G','H','I']
}

df = pd.DataFrame(data)

df['X'].where(df['Y'] == 'E')

给出

0    NaN
1      B
2    NaN
Name: X, dtype: object

但是

df['X'][df['Y'] == 'E']

给出

1    B
Name: X, dtype: object

但是两者都给出了Series，它仍然需要使用

[index]

或

.iloc[row_number]

来获取值

results = df['X'][df['Y'] == 'E']
print(results[1])       # row's index is `1`
print(results.iloc[0])  # row's numer is `0`

---

完整的工作示例：

import pandas as pd

data = {
    'X': ['A','B','C'], 
    'Y': ['D','E','F'], 
    'Z': ['G','H','I']
}

df = pd.DataFrame(data)

print('---')
print(df)

print("--- [df['Y'] == 'E'] ---")
results = df['X'][df['Y'] == 'E']
print(results)
print('type:', type(results))

print("--- .where(df['Y'] == 'E') ---")
results = df['X'].where(df['Y'] == 'E')
print(results)
print('type:', type(results))

results = df['X'][df['Y'] == 'E']

print("---")
print('     [1]:', results[1])
print('.iloc[0]:', results.iloc[0])