Python中XML转Pandas DataFrame需先解析再构造：用ElementTree处理扁平XML，lxml+XPath应对嵌套不规则结构，或用pandas-read-xml快速上手；注意清理文本、转换类型、处理命名空间及大文件流式解析。
Python中将XML转换为Pandas DataFrame，核心思路是先解析XML结构（提取标签、属性、文本内容），再组织成字典列表或类似二维结构，最后用pd.DataFrame()构造。没有内置函数直接转换，但借助xml.etree.ElementTree（标准库）或lxml（功能更强）即可高效完成。
用ElementTree解析简单扁平XML
适用于层级浅、结构规则的XML（如每条记录为同级<item></item>，字段为子标签或属性）。
步骤：加载XML → 找到所有记录节点 → 遍历每个节点，提取子元素文本或属性 → 存入字典列表 → 转DataFrame。
示例代码：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
import xml.etree.ElementTree as ET
import pandas as pd
<p>xml_data = """<root>
<item id="1"><name>Alice</name><age>25</age></item>
<item id="2"><name>Bob</name><age>30</age></item>
</root>"""</p><p>root = ET.fromstring(xml_data)
records = []</p><p>for item in root.findall('item'):
record = {
'id': item.get('id'), # 提取属性
'name': item.find('name').text,
'age': int(item.find('age').text)
}
records.append(record)</p><p>df = pd.DataFrame(records)
处理嵌套或不规则XML（推荐lxml + XPath）
当XML有深层嵌套、可选字段、重复子元素或命名空间时，lxml更灵活。它支持XPath表达式，可精准定位节点，并能安全处理缺失值。
- 安装：
pip install lxml - 用
etree.parse()或etree.fromstring()加载 - 用
.xpath()按路径提取，配合text、get()等方法取值 - 对可能不存在的字段，用
next(iter(xpath_result), None)避免报错
用pandas-read-xml（第三方库，适合快速上手）
如果XML结构较标准，可使用pandas-read-xml库，语法接近pd.read_csv()，自动推断字段并处理常见情况。
- 安装：
pip install pandas-read-xml - 基本用法：
df = read_xml('data.xml', xpath='.//item') - 支持参数：
attrs_prefix（加前缀区分属性和元素）、iterparse（大文件流式解析） - 注意：对复杂嵌套仍需手动预处理，不是万能方案
注意事项与避坑提示
XML转DataFrame容易出错的地方集中在结构理解与数据类型上。
- 确认根节点和记录节点路径，别把
<root></root>误当数据行 - 文本内容可能含空格或换行，建议用
.strip()清理 - 数字/布尔字段需显式转换（
int()、float()、ast.literal_eval()） - 含命名空间的XML需在
findall()中传入namespaces字典 - 超大XML避免一次性加载进内存，改用
iterparse()边解析边构建记录
