• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Importar archivos XML en Python

Pandas

junio 1, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

XML (Extensible Mark up Language) es un lenguaje de marcado que codifica los datos en texto plano. Permitiendo así que estos puedan ser legibles tanto por parte de máquinas como por personas, de manera análoga a los JSON. Actualmente es un lenguaje que es usado por múltiples programas para almacenar y transmitir datos estructurados. A diferencia de los archivos JSON o Excel no existe una forma fácil de importar los XML en Python, por lo que requiere algo más de trabajo. A continuación, vamos a ver como se puede el módulo ElementTree para importar archivos XML en Python.

Archivo de ejemplo

Como en otras ocasiones vamos a utilizar datos generados por Mockaroo para tener un conjunto de datos para el ejercicio. Simplemente usaremos los elementos por defecto de e indicaremos que nos exporte un archivo con 10 registros en formato XML. Los primeros registros de este archivo se muestran a continuación:

<?xml version='1.0' encoding='UTF-8'?>
<dataset>
	<record>
		<id>1</id>
		<first_name>Adelaida</first_name>
		<last_name>Denizet</last_name>
		<email>[email protected]</email>
		<gender>Female</gender>
		<ip_address>218.178.45.101</ip_address>
	</record>
	<record>
		<id>2</id>
		<first_name>Rubia</first_name>
		<last_name>Butchart</last_name>
		<email>[email protected]</email>
		<gender>Female</gender>
		<ip_address>2.102.241.8</ip_address>
	</record>
	<record>
		<id>3</id>
		<first_name>Latia</first_name>
		<last_name>Wasylkiewicz</last_name>
		<email>[email protected]</email>
		<gender>Female</gender>
		<ip_address>89.27.210.100</ip_address>
	</record>

ElementTree

El módulo ElementTree está incluido por defecto en Python, por lo que no es necesario instalar ninguna librería. Un módulo que se puede encontrar dentro de xml.etree. Para importar un archivo XML y procesarlo en Python solamente es necesario cargar el método parse de este módulo, algo que se puede conseguir con la siguiente línea.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

from xml.etree.ElementTree import parse

Importar el archivo XML en Python

Ahora para importar un archivo XML solamente es necesario pasar como parámetro de parse el nombre de este. Lo que nos creará un objeto de tipo ElementTree.

document = parse('dataset.xml')
<xml.etree.ElementTree.ElementTree at 0x11d81b490>

Los objetos ElementTree contienen ítems de diferentes tipos, cada uno de los cuales se identifica mediante un nombre. Por lo que es necesario identificar los ítems que nos interesan e iterar sobre ellos. Además, hay que tener en cuenta que el contenido de los ítems pueden ser tanto los valores como otro conjunto de ítems. En el archivo de ejemplo, cada uno de los registros se guarda en ítem con el nombre record. Por lo que debemos usar el método iterfind para poder iterar sobre estos, como se muestra a continuación.

for item in document.iterfind('record'):
    print(item)
<Element 'record' at 0x10c564b90>
<Element 'record' at 0x10c564e90>
<Element 'record' at 0x10c56c170>
<Element 'record' at 0x10c56c410>
<Element 'record' at 0x10c56c6b0>
<Element 'record' at 0x10c56c950>
<Element 'record' at 0x10c56cbf0>
<Element 'record' at 0x10c56ce90>
<Element 'record' at 0x10c56d170>
<Element 'record' at 0x10c56d410>

Como se puede ver en la terminal, cada uno de los 10 ítems son un elemento de los que se tiene que extraer los valores. Valores que también se identifican por un nombre. El método que podemos utilizar para extraer los valores como texto es findtext, con el que se puede extraer el listado de nombres.

for item in document.iterfind('record'):
    print(item.findtext('first_name'))
Adelaida
Rubia
Latia
Montague
Kaja
Neilla
Dianemarie
Cassandre
Fonzie
Caressa

Creación de un DataFrame

Es posible que queramos importar los datos como un DataFrame, para poder usar así las herramientas que nos ofrece Pandas para trabajar con datos. Esto se puede conseguir iterando sobre los registros como se ha visto antes y guardando los valores que nos interesan en listas con las que posteriormente podremos crear el DataFrame.

import pandas as pd

first_name = []
last_name = []
gender = []
ip_address = []

for item in document.iterfind('record'):
    first_name.append(item.findtext('first_name'))
    last_name.append(item.findtext('last_name'))
    gender.append(item.findtext('gender'))
    ip_address.append(item.findtext('ip_address'))
    
df = pd.DataFrame({'First name':first_name, 'Last name':last_name, 'Gender':gender, 'ip':ip_address})
   First name     Last name  Gender              ip
0    Adelaida       Denizet  Female  218.178.45.101
1       Rubia      Butchart  Female     2.102.241.8
2       Latia  Wasylkiewicz  Female   89.27.210.100
3    Montague        Dabbes    Male  136.176.47.212
4        Kaja       Hairyes  Female  80.192.222.158
5      Neilla     Rigardeau  Female   154.48.83.216
6  Dianemarie        Ruthen  Female  211.45.140.213
7   Cassandre       Yukhnev  Female    249.174.93.0
8      Fonzie       Labbati    Male    175.83.0.226
9     Caressa       Lanaway  Female   33.107.216.28

Conclusiones

Aún existe muchos programas que utilizan archivos XML para almacenar y exportar datos, por lo que puede ser necesario saber como importar estos en Python. Desafortunadamente Pandas no dispone en este momento de funciones para realizar esta tarea directamente, por lo que es necesario acudir al módulo ElementTree para importar archivos XML en Python.

Imagen de PublicDomainPictures en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 5 / 5. Votos emitidos: 1

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos
  • Curiosidad: El puerto 80 y los números de puerto

Publicidad

Publicado en: Python Etiquetado como: Pandas

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Shallow copy vs Deep copy en Python: la mutación inesperada

noviembre 10, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Creación de gráficos de barras y gráficos de columnas con Seaborn publicado el julio 18, 2023 | en Python
  • Instalar Rocky Linux 9 en VirtualBox publicado el octubre 20, 2023 | en Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Solución a ‘IndentationError: unexpected indent’ en Python paso a paso publicado el marzo 24, 2025 | en Python
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python) publicado el octubre 7, 2025 | en Herramientas, Productividad

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto