Pandas 读取指定数据类型的 XML 文件

Question

我的代码：

df = pd.read_xml(
    path_or_buffer=PATH,
    xpath="//Data",
    compression="gzip"
)

我正在使用 Pandas

read_xml()

函数来读取

xml.gz

格式的数据。我正在使用 Pandas

1.3.2

版本。当我尝试读取数据时，Pandas 读取数据错误。

数据如下所示。

colA

和

colB

都应该是字符串。

第一个数据文件：

<Data>
 <colA>abc</colA>
 <colB>168E3</colB>
</Data>
<Data>
 <colA>def</colA>
</Data>

第二个数据文件：

<Data>
 <colA>ghi</colA>
 <colB>23456</colB>
</Data>
<Data>
 <colA>jkl</colA>
</Data>

当我使用

read_xml()

功能时，如下所示：

第一个数据框：

colA: abc, def
colB: 168000.0, None

第二个数据框：

colA: ghi, jkl
colB: 23456.0, None

我想以

string

格式读取数据，但 pandas

dtype

中没有

1.3.2

参数。我想知道：

1. 如何读取指定数据类型的数据？
2. 当某列中缺少数据时，Pandas 将为该列分配 float 类型。如何避免，或者有什么设置可以配置读取数据时缺失值列的数据类型？

请注意，我只能使用这个 Pandas 版本，无法更新。

Answer 1

我不知道如何设置读取选项，但你可以这样做：

df = pd.read_xml(file, xpath=".//Data" )
print(df.dtypes)
print()
df_fcol = df.astype({'colB': str})
print(df_fcol.dtypes)

输出：

colA     object
colB    float64
dtype: object

colA    object
colB    object
dtype: object