0

Tengo una web de venta Online y quiero poder extraer datos de los pedidos. EL archivo que obtengo de la web es XML o texto. La idea es pasarlo a CSV para poder trabajarlo con Pandas He probado mil maneras distintas, con Beautiful Soup, con lxml, con ElementTree, etc, etc, etc.

Los elementos que tienen un nombre único(OrderNumber) no tengo problema. El problema es con los productos(LineItems). Cada pedido tiene un número diferente de producto(Id) de nombre(Name), catidad(Quantity), etc. Consigo extraer todos los productos, pero todos seguidos, sin saber el número de productos que corresponden a cada pedido.

He intentado pasarlo a csv y a un DataFrame directamente y siempre tengo el problema de los productos.

Cualquier ayuda será agradecida profundamente.

El texto XML es el siguiente:

<?xml version='1.0' encoding='utf-8'?>
<Orders>
  <Shop>
    <GUID>49A44A11-B3C983C3-A1C85211B59D</GUID>
  </Shop>
  <Order>
    <OrderNumber>1089</OrderNumber>
    <CustomerNumber>1028</CustomerNumber>
    <Currency>EUR</Currency>
    <Language>es</Language>
    <Locale>es_ES</Locale>
    <TaxArea>EU</TaxArea>
    <TaxModel>gross</TaxModel>
    <GrandTotal>27.37</GrandTotal>
    <TotalBeforeTax>23.59</TotalBeforeTax>
    <TotalTax>3.78</TotalTax>
    <Addresses>
      <BillingAddress>
        <FirstName>Pedro</FirstName>
        <LastName>Lopez</LastName>
        <Gender>1</Gender>
        <Street>Mayor, n17</Street>
        <Zipcode>10932</Zipcode>
        <State>Burgos</State>
        <City>Burgos</City>
        <EMail>[email protected]</EMail>
        <Phone>3585859</Phone>
        <Country>ES</Country>
      </BillingAddress>
      <ShippingAddress>
        <FirstName>Pedro</FirstName>
        <LastName>Lopez</LastName>
        <Street>Mayor, n17</Street>
        <Zipcode>10932</Zipcode>
        <State>Burgos</State>
        <City>Burgos</City>
        <EMail>[email protected]</EMail>
        <Phone>3585859</Phone>
        <Country>ES</Country>
      </ShippingAddress>
    </Addresses>
    <LineItems>
      <LineItem>
        <Id>POT-16MMLIN-B1K</Id>
        <Name>Potenciometro Lineal 16mm Alpha</Name>
        <Quantity>1</Quantity>
        <UnitPrice>1.55</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>1.55</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>K-FLUTED-0002</Id>
        <Name>Botones de control enflautados.</Name>
        <Quantity>2</Quantity>
        <UnitPrice>0.75</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>1.50</TotalPrice>
        <TaxRate>0.16</TaxRate>
        <VariationString>Capacitancia: 0.010uF, Voltaje: 100V
      </LineItem>
      <LineItem>
        <Id>ENC-1590WB</Id>
        <Name>Caja Aluminio Hammond 1590B</Name>
        <Quantity>1</Quantity>
        <UnitPrice>7.55</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>7.55</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>J-JACKNE-MON</Id>
        <Name>Jack Mono Neutrik</Name>
        <Quantity>1</Quantity>
        <UnitPrice>1.25</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>1.25</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>J-JACKNE-ST</Id>
        <Name>Jack Stereo Neutrik</Name>
        <Quantity>1</Quantity>
        <UnitPrice>1.58</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>1.58</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>J-DC2.1-INT</Id>
        <Name>Jack DC 2.1mm</Name>
        <Quantity>2</Quantity>
        <UnitPrice>0.55</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>1.10</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>SW-3PDT</Id>
        <Name>Interruptor pie 3PDT</Name>
        <Quantity>1</Quantity>
        <UnitPrice>5.15</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>5.15</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>POT-16MMLOG-A500K</Id>
        <Name>Potenciometro Logaritmico 16mm Alpha</Name>
        <Quantity>1</Quantity>
        <UnitPrice>1.65</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>1.65</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItemShipping>
        <TotalPrice>4.86</TotalPrice>
        <Name>Certificado Nacional / Paquete Azul</Name>
        <TaxRate>0.16</TaxRate>
        <TaxComponent>
          <TaxRate>0.21</TaxRate>
          <Value>4.86</Value>
        </TaxComponent>
      </LineItemShipping>
      <LineItemPayment>
        <Id>PayPal Standard</Id>
        <Name>PayPal</Name>
        <TaxRate>0.16</TaxRate>
      </LineItemPayment>
      <LineItemPaymentDiscount>
        <TotalPrice>1.18</TotalPrice>
      </LineItemPaymentDiscount>
    </LineItems>
    <CreationDate>2010-03-15T01:07:29</CreationDate>
    <ViewedOn>2010-03-16T12:11:05</ViewedOn>
    <DispatchedOn>2010-03-16T12:11:51</DispatchedOn>
    <PaidOn>2010-03-15T01:10:07</PaidOn>
  </Order>
  <Order>
    <OrderNumber>1088</OrderNumber>
    <CustomerNumber>1136</CustomerNumber>
    <Currency>EUR</Currency>
    <Language>es</Language>
    <Locale>es_ES</Locale>
    <TaxArea>EU</TaxArea>
    <TaxModel>gross</TaxModel>
    <GrandTotal>12.90</GrandTotal>
    <TotalBeforeTax>11.12</TotalBeforeTax>
    <TotalTax>1.78</TotalTax>
    <Addresses>
      <BillingAddress>
        <FirstName>Luis</FirstName>
        <LastName>Lopes</LastName>
        <Gender>1</Gender>
        <Street>c/Juan Encina</Street>
        <Zipcode>56012</Zipcode>
        <State>Madrid</State>
        <City>Madrid</City>
        <EMail>[email protected]</EMail>
        <Phone>54223422</Phone>
        <PhoneCell>23334342</PhoneCell>
        <Country>ES</Country>
      </BillingAddress>
    </Addresses>
    <LineItems>
      <LineItem>
        <Id>S-PINSTRIP-SIL10</Id>
        <Name>Tira de pines en línea SIL</Name>
        <Quantity>1</Quantity>
        <UnitPrice>0.75</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>0.75</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>ACC-BATT9V-TW-T</Id>
        <Name>Conector Pila 9V Tipo-T</Name>
        <Quantity>1</Quantity>
        <UnitPrice>0.12</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>0.12</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>SW-3PDT</Id>
        <Name>Interruptor pie 3PDT</Name>
        <Quantity>1</Quantity>
        <UnitPrice>5.15</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>5.15</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>LED-BEZEL5MM</Id>
        <Name>Zócalo portaled 5mm</Name>
        <Quantity>3</Quantity>
        <UnitPrice>0.75</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>2.25</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>R-CARBON1/4-2-1M</Id>
        <Name>Resistencia de Película de Carbon Xicon 1/4W, 1%</Name>
        <Quantity>2</Quantity>
        <UnitPrice>0.12</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>0.24</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>R-CARBON1/4-2-68K</Id>
        <Name>Resistencia de Película de Carbon Xicon 1/4W, 1%</Name>
        <Quantity>1</Quantity>
        <UnitPrice>0.12</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>0.12</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItem>
        <Id>R-METAL1/4-1.2K</Id>
        <Name>Resistencia Película Metálica Xicon 1/4W, 1%</Name>
        <Quantity>5</Quantity>
        <UnitPrice>0.13</UnitPrice>
        <Discount>0.00</Discount>
        <TotalPrice>0.65</TotalPrice>
        <TaxRate>0.16</TaxRate>
      </LineItem>
      <LineItemShipping>
        <TotalPrice>3.62</TotalPrice>
        <Name>Certificado Nacional / Paquete Azul</Name>
        <TaxRate>0.16</TaxRate>
        <TaxComponent>
          <TaxRate>0.21</TaxRate>
          <Value>3.62</Value>
        </TaxComponent>
      </LineItemShipping>
      <LineItemPayment>
        <Id>CashInAdvance</Id>
        <TotalPrice>0.00</TotalPrice>
        <Name>Transferencia Bancaria</Name>
        <TaxRate>0.16</TaxRate>
      </LineItemPayment>
    </LineItems>
    <CreationDate>2010-03-11T17:33:36</CreationDate>
    <ViewedOn>2010-03-12T18:51:45</ViewedOn>
    <InProcessOn>2010-03-12T18:53:02</InProcessOn>
    <DispatchedOn>2010-03-16T12:11:51</DispatchedOn>
    <PaidOn>2010-03-12T18:53:02</PaidOn>
  </Order>
</Orders>

EL DataFrame sería algo así:

OrderNumber CustomerNumber FirstName Country Id_Producto Quantity CreationDate

0 1089 1028 Pedro ES POT-16MMLIN-B1K 1 2010-03-15

1 None None None None K-FLUTED-0002 2 None

2 None None None None ENC-1590WB 1 None

3 1088 1136 Luis ES S-PINSTRIP-SIL10 1 2010-03-11

4 None None None None ACC-BATT9V-TW-T 1 None

5 None None None None SW-3PDT 1 None

3
  • 1
    ¿Podrías poner un ejemplo del resultado csv o pandas DataFrame que quieres obtener? el 7 may. 2020 a las 19:33
  • Gracias por contestar. Disculpa por el "DataFrame" que he puesto. Es la primera pregunta que hago y todavía no se como funciona bien .
    – Camberano
    el 7 may. 2020 a las 21:48
  • Te he puesto un resúmen. Me interesarian más columnas. No sé si el enfoque de lo que quiero hacer es el correcto (saber cuantos productos ha comprado un cliente por ejemplo) o habría una mejor forma, pero no he sido capaz de dar con la solución.
    – Camberano
    el 7 may. 2020 a las 21:58

1 respuesta 1

1

Teniendo en cuenta el hecho de que hay:

  • Campos referentes a todo el pedido y campos propios de cada item
  • Campos que solo aparecen en unos items (es decir, que no son obligatorios para todos los items)
  • Campos diferentes con el mismo nombre que se identifican en función de la etiqueta padre

Y dado también que (supongo) no se puede asumir el orden de cada elemento en el XML, lo que yo haría sería lo siguiente.

No es una solución especialmente óptima supongo. Estoy seguro de que las hay mejores, pero la forma más "limpia" que me viene a la mente es algo así:

Lectura de datos XML

from lxml import etree
import pandas as pd
from numpy import arange # Si usas numpy, sustituye la llamada a arange por np.arange

# Lectura de datos como sea que la hagas: aqui un ejemplo
archivo = 'xml\\file.xml'

# Lectura de datos de archivo para simular el ejemplo como string
#with open(archivo, 'r') as f:
#    xml_text = f.read().splitlines()
#xml_text = ''.join(xml_text).encode('utf-8')

# Si recibes xml como un string:
root = etree.fromstring(xml_text)

# Si lees xml desde archivo
root = etree.parse(archivo).getroot()

Procesamiento de datos

En este caso, lo que se me ocurre es procesar cada Order por separado (en lugar de recorrer todo el archivo nodo a nodo con root.iter(), que puede resultar en un jaleo de código y múltiples condicionales).

De forma que la función processOrder() procesa un nodo Order y devuelve un DataFrame ya creado para luego concatenarlos y rehacer el índice.

dataframes = ()
for e in root.iterchildren():
    # Guarda el GUID si fuera necesario
    if e.tag == 'Shop':
        shop_guid = e.getchildren()[0].text
    # Procesa cada order por separado
    elif e.tag == 'Order':
        df_order = processOrder(e)
        dataframes += (df_order,)

df_total = pd.concat(dataframes)
df_total.index = arange(len(df_total))

La función processOrder, la haría procesando primero los items en un DataFrame (una linea por item) y luego el resto de datos del pedido (una única linea). Y trataría las direcciones aparte renombrando sus campos para diferenciarlos ya que coinciden con otros campos del documento.

Después se concatenan los DataFrames y dado que el DataFrame resultante corresponde a un solo pedido, se pueden imputar datos del pedido (no de los items) al resto de filas sin preocuparse de que se propage la información a campos de otro pedido.

Esto permite pasar de esto:

|    | Id                | Name                                 | Quantity | OrderNumber | CustomerNumber |
|----|-------------------|--------------------------------------|----------|-------------|----------------|
| 0  | POT-16MMLIN-B1K   | Potenciometro Lineal 16mm Alpha      | 1        | 1089        | 1028           |
| 1  | K-FLUTED-0002     | Botones de control enflautados.      | 2        | NaN         | NaN            |
| 2  | ENC-1590WB        | Caja Aluminio Hammond 1590B          | 1        | NaN         | NaN            |
| 3  | J-JACKNE-MON      | Jack Mono Neutrik                    | 1        | NaN         | NaN            |
| 4  | J-JACKNE-ST       | Jack Stereo Neutrik                  | 1        | NaN         | NaN            |
| 5  | J-DC2.1-INT       | Jack DC 2.1mm                        | 2        | NaN         | NaN            |
| 6  | SW-3PDT           | Interruptor pie 3PDT                 | 1        | NaN         | NaN            |
| 7  | POT-16MMLOG-A500K | Potenciometro Logaritmico 16mm Alpha | 1        | NaN         | NaN            |
| 8  | S-PINSTRIP-SIL10  | Tira de pines en línea SIL         | 1        | 1088        | 1136           |
| 9  | ACC-BATT9V-TW-T   | Conector Pila 9V Tipo-T              | 1        | NaN         | NaN            |
| 10 | SW-3PDT           | Interruptor pie 3PDT                 | 1        | NaN         | NaN            |
| 11 | LED-BEZEL5MM      | Zócalo portaled 5mm               | 3        | NaN         | NaN            |

A esto:

|    | Id                | Name                                 | Quantity | OrderNumber | CustomerNumber |
|----|-------------------|--------------------------------------|----------|-------------|----------------|
| 0  | POT-16MMLIN-B1K   | Potenciometro Lineal 16mm Alpha      | 1        | 1089        | 1028           |
| 1  | K-FLUTED-0002     | Botones de control enflautados.      | 2        | 1089        | 1028           |
| 2  | ENC-1590WB        | Caja Aluminio Hammond 1590B          | 1        | 1089        | 1028           |
| 3  | J-JACKNE-MON      | Jack Mono Neutrik                    | 1        | 1089        | 1028           |
| 4  | J-JACKNE-ST       | Jack Stereo Neutrik                  | 1        | 1089        | 1028           |
| 5  | J-DC2.1-INT       | Jack DC 2.1mm                        | 2        | 1089        | 1028           |
| 6  | SW-3PDT           | Interruptor pie 3PDT                 | 1        | 1089        | 1028           |
| 7  | POT-16MMLOG-A500K | Potenciometro Logaritmico 16mm Alpha | 1        | 1089        | 1028           |
| 8  | S-PINSTRIP-SIL10  | Tira de pines en línea SIL         | 1        | 1088        | 1136           |
| 9  | ACC-BATT9V-TW-T   | Conector Pila 9V Tipo-T              | 1        | 1088        | 1136           |
| 10 | SW-3PDT           | Interruptor pie 3PDT                 | 1        | 1088        | 1136           |
| 11 | LED-BEZEL5MM      | Zócalo portaled 5mm               | 3        | 1088        | 1136           |

La función processOrder:

# Seleccion de las columnas que quieres obtener
# (Si quieres todas, elimina las condiciones de cada lista)
item_columns = ['Id', 'Name', 'Quantity']
address_columns = ['FirstName', 'LastName', 'EMail', 'Country']
order_columns = ['OrderNumber', 'CustomerNumber', 'TaxArea', 'CreationDate']

def processOrder(order):
    # Extrae los datos de cada item
    items_data = []
    for item in order.findall('.//LineItem'):
        current_item = dict()
        for e in item.iterchildren():
            if e.tag in item_columns:
                current_item[e.tag] = e.text
        items_data.append(current_item)

    # Extrae datos generales de pedido
    order_data = dict()
    for e in order.iterchildren():
        # Salta los datos de item
        if e.tag == 'LineItems':
            continue

        # Addresses: Procesa subcampos editando el nombre para evitar colisiones de nombre
        if e.tag == 'Addresses':
            for address_field in e.iter():
                if len(address_field.getchildren()) == 0 and address_field.tag in address_columns:
                    order_data[address_field.getparent().tag + address_field.tag] = address_field.text
        # Items indivuales del order
        else:
            if e.tag in order_columns:
                order_data[e.tag] = e.text

    # Concatena dataframes: Si se quiere hacer padding es el momento de hacerlo
    pd_items_data = pd.DataFrame(items_data)
    pd_order_data = pd.DataFrame([order_data])
    pd_order = pd.concat((pd_items_data, pd_order_data), axis=1)

    # Descomentar para imputar datos
    # pd_order[pd_order_data.keys()] = pd_order[pd_order_data.keys()].fillna(method='pad')
    return pd_order

Espero que te oriente un poco para lo que necesitas.

Update 1 (09/05/2020)

De cara a un posterior análisis de datos, recomendaría imputar datos para que todos los item tuvieran los datos del pedido (y no solo el primer elemento). Esto es, descomentar la línea antes del return de processOrder:

pd_order[pd_order_data.keys()] = pd_order[pd_order_data.keys()].fillna(method='pad')

Obteniendo:

|    | Id                | Name                                              | Quantity | OrderNumber | CustomerNumber | TaxArea | BillingAddressFirstName | BillingAddressLastName | BillingAddressEMail | BillingAddressCountry | ShippingAddressFirstName | ShippingAddressLastName | ShippingAddressEMail | ShippingAddressCountry | CreationDate        |
|----|-------------------|---------------------------------------------------|----------|-------------|----------------|---------|-------------------------|------------------------|---------------------|-----------------------|--------------------------|-------------------------|----------------------|------------------------|---------------------|
| 0  | POT-16MMLIN-B1K   | Potenciometro Lineal 16mm Alpha                   | 1        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | [email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 1  | K-FLUTED-0002     | Botones de control enflautados.                   | 2        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | [email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 2  | ENC-1590WB        | Caja Aluminio Hammond 1590B                       | 1        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | [email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 3  | J-JACKNE-MON      | Jack Mono Neutrik                                 | 1        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | [email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 4  | J-JACKNE-ST       | Jack Stereo Neutrik                               | 1        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | [email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 5  | J-DC2.1-INT       | Jack DC 2.1mm                                     | 2        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | [email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 6  | SW-3PDT           | Interruptor pie 3PDT                              | 1        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | co[email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 7  | POT-16MMLOG-A500K | Potenciometro Logaritmico 16mm Alpha              | 1        | 1089        | 1028           | EU      | Pedro                   | Lopez                  | [email protected]  | ES                    | Pedro                    | Lopez                   | [email protected]   | ES                     | 2010-03-15T01:07:29 |
| 8  | S-PINSTRIP-SIL10  | Tira de pines en línea SIL                        | 1        | 1088        | 1136           | EU      | Luis                    | Lopes                  | [email protected]   | ES                    | NaN                      | NaN                     | NaN                  | NaN                    | 2010-03-11T17:33:36 |
| 9  | ACC-BATT9V-TW-T   | Conector Pila 9V Tipo-T                           | 1        | 1088        | 1136           | EU      | Luis                    | Lopes                  | [email protected]   | ES                    | NaN                      | NaN                     | NaN                  | NaN                    | 2010-03-11T17:33:36 |
| 10 | SW-3PDT           | Interruptor pie 3PDT                              | 1        | 1088        | 1136           | EU      | Luis                    | Lopes                  | [email protected]   | ES                    | NaN                      | NaN                     | NaN                  | NaN                    | 2010-03-11T17:33:36 |
| 11 | LED-BEZEL5MM      | Zócalo portaled 5mm                              | 3        | 1088        | 1136           | EU      | Luis                    | Lopes                  | [email protected]   | ES                    | NaN                      | NaN                     | NaN                  | NaN                    | 2010-03-11T17:33:36 |
| 12 | R-CARBON1/4-2-1M  | Resistencia de Película de Carbon Xicon 1/4W, 1%  | 2        | 1088        | 1136           | EU      | Luis                    | Lopes                  | [email protected]   | ES                    | NaN                      | NaN                     | NaN                  | NaN                    | 2010-03-11T17:33:36 |
| 13 | R-CARBON1/4-2-68K | Resistencia de Película de Carbon Xicon 1/4W, 1%  | 1        | 1088        | 1136           | EU      | Luis                    | Lopes                  | [email protected]   | ES                    | NaN                      | NaN                     | NaN                  | NaN                    | 2010-03-11T17:33:36 |
| 14 | R-METAL1/4-1.2K   | Resistencia Película Metálica Xicon 1/4W, 1%     | 5        | 1088        | 1136           | EU      | Luis                    | Lopes                  | [email protected]   | ES                    | NaN                      | NaN                     | NaN                  | NaN                    | 2010-03-11T17:33:36 |

A partir de esto, puedes agrupar con la función groupby() en función del valor que te interese, y contar count() los elementos de cada grupo.

count() te da el número de lineas que tienen valor para cada columna, por lo que asegurate de coger una columna que siempre tenga datos, como Id.

Para saber el número de elementos en cada pedido:

df_total.groupby('OrderNumber').count()

|             | Id | Name | Quantity | VariationString | CustomerNumber | TaxArea | BillingAddressFirstName | BillingAddressLastName | BillingAddressEMail | BillingAddressCountry | ShippingAddressFirstName | ShippingAddressLastName | ShippingAddressEMail | ShippingAddressCountry | CreationDate |
|-------------|----|------|----------|-----------------|----------------|---------|-------------------------|------------------------|---------------------|-----------------------|--------------------------|-------------------------|----------------------|------------------------|--------------|
| OrderNumber |    |      |          |                 |                |         |                         |                        |                     |                       |                          |                         |                      |                        |              |
| 1088        | 7  | 7    | 7        | 0               | 7              | 7       | 7                       | 7                      | 7                   | 7                     | 0                        | 0                       | 0                    | 0                      | 7            |
| 1089        | 8  | 8    | 8        | 1               | 8              | 8       | 8                       | 8                      | 8                   | 8                     | 8                        | 8                       | 8                    | 8                      | 8            |

De forma que:

items_por_pedido = df_total.groupby('OrderNumber').count()['Id']
items_por_pedido['1089'] # 8
items_por_pedido['1088'] # 7
5
  • El primer bloque for funciona perfectamente. No había caido en la idea de iterar y comprobar con el nombre de la columna. Buena idea. Pero el segundo bloque for no funciona correctamente. Los LineItems los encuentra, pero cuando busca en Addresses si imprimo Order data me devuelve el diccionario vacio, por lo que no se concatena en el DataFrame
    – Camberano
    el 9 may. 2020 a las 17:38
  • Luego, otra historia es saber cuantos o que LineItem corresponde con cada OrderNumber o CustomerNumber, por eso no sé si el enfoque que estoy dando es el correcto a la hora de poder analizarlo más tarde. Muchas gracias por tú esfuero
    – Camberano
    el 9 may. 2020 a las 17:45
  • @Camberano ¿Podrías comprobar que esté todo correcto? A mí me funciona copiando y pegando tal cual la función. Podría ser un tema de versiones aunque lo dudo. Otra cosa que se me olvidó comentar es que faltaba una etiqueta por cerrar en tu código XML, pero he supuesto que fue un error tipográfico al pasarlo al post, ya que si no el código habría dado error al leer el archivo. el 9 may. 2020 a las 20:10
  • He actualizado el post en relación a tu segundo comentario. Respecto al primero, asegurate de que indicsa cada campo en la lista correspondiente (item_columns, address_columns, order_columns). Si es un XML diferente, puede que haya algún caso que no esté contemplado en el ejemplo del post. el 9 may. 2020 a las 20:38
  • Ya funciona. Estudiaré bien el código y a ver que puedo ir haciendo. Mil gracias.
    – Camberano
    el 10 may. 2020 a las 17:42

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.