根据第二列中的值将值转换为不同的列，将XML转换为data.frame
我在下面有一个简单的问题：
我试图将XML文件转换为R中的可使用表。
<toes copyright='(C)version='1.1'> <generated date='2017-01-21
07:45:04'timestamp='1485006304'/>
<description> Active TOE vehicle levels and adjustments for the current
campaign up to the RDP cycle in progress. c0 = the cycle 0 capacity, adj
= comma-separated list of cycle:capacity adjustments, cur = current
capacity </description>
<defaults><def att='adj' value=''/></defaults>
<r toe="deairfor" veh="22" c0="30" cur="30"/>
<r toe="deairfor" veh="23" c0="40" cur="20" adj="1:35,2:20"/>
<r toe="deairfor" veh="26" c0="2" cur="2" adj="2:10,3:30"/>
</toes>我的预期格式是：
"TOE" "Veh" "c0" "cur" "adj1" "adj2" "adj3"
"deairfor" 22 30 30 NA NA NA
"deairfor" 23 40 20 35 20 NA
"deairfor" 26 2 2 NA 10 30 我没有导入XML文件的经验，但是我认为这个文件没有正确的格式化，因为我还没有遇到任何在标记中使用数据的XML示例，比如中的数据。我从以下几个方面提取了数据：
library(XML)
source <- "http://wiretap.wwiionline.com/xml/toes.sheet.xml"
xmlfile <- xmlTreeParse(source, useInternalNodes = TRUE)
nodes <- getNodeSet(xmlfile, "/toes//r")
Df1 <- NULL
for(i in 1:length(nodes)) {
Df1 <- t(xmlToList(nodes[[i]]))
Df2 <- smartbind(Df2,Df1[1,])
}我一次只能提取1行，所以我使用后面的代码将这些代码绑定在一起。我需要df1 1 /2，否则它会在i=1上出错。以一种不同的方式可能要容易得多，但我无法让它工作。
这给我留下了一个dataframe Df2，所有变量都是"factor“(为什么？)
"TOE" "Veh" "c0" "cur" "adj"
deairfor 22 30 30 NA
deairfor 23 40 20 35 1:35,2:20
deairfor 26 2 2 2 2:10,3:30 所以困难就在这个"adj“栏里。我可以用以下方法将其分开：
Df2 <- separate(data = Df2, col = adj, into = c("adj1", adj2","adj3"), sep = "\\,")
Df2 <- separate(data = Df2, col = adj1, into = c("adj1","adj1value"), sep = "\\:")
Df2 <- separate(data = Df2, col = adj2, into = c("adj2","adj2value"), sep = "\\:")
Df2 <- separate(data = Df2, col = adj3, into = c("adj3","adj3value"), sep = "\\:")但单元格不在正确的列中。Df2现在如下所示：
"TOE" "Veh" "c0" "cur" "adj1" "adj1value" "adj2" "adj2value" "adj3" "adj3value"
deairfor 22 30 30 NA NA NA NA NA NA
deairfor 23 40 20 1 35 2 20 NA NA
deairfor 26 2 2 2 10 3 30 NA NA 虽然最后一行必须是：(一旦adj1values在正确的列中，我们也可以删除adj2 1/adj2 2/adj2 3)。
deairfor 26 2 2 NA NA 2 10 3 30 我尝试过多种方法将这些单元格向右移动，但经常会出现错误，例如：( adj*列是分隔后的字符，因此出现"1")。
Df2$adj3[Df2$adj1 == "1"] <- Df2$adj2
Df2$adj3value[Df2$adj1 == "1"] <- Df2$adj2value
"NAs are not allowed in subscripted assignments"所以问题:如何将这些值移动到正确的列？
"TOE" "Veh" "c0" "cur" "adj"
deairfor 26 2 2 2:10,3:30 应该变成
"TOE" "Veh" "c0" "cur" "adj1" "adj2" "adj3"
deairfor 26 2 2 NA 10 30 额外的问题:我觉得我需要使用很多行，因为一开始的XML导入并不是很理想的，考虑到我的目标，做得更好吗？
回答 2
Stack Overflow用户
发布于 2017-01-27 18:47:04
我会编写一个函数，它可以将NAs添加到前缀的adj字符串中，然后使用tidyr的separate
add_NAs <- function(x, n=3){
y <- strsplit(x, ",")
sapply( y, function(z){
n <- match( 1:n, substr(z,1,1))
paste(substring(z, 3)[n], collapse=",")
})
}
add_NAs( c(NA, "1:35,2:20", "2:10,3:30", "1:20,3:5") )
[1] "NA,NA,NA" "35,20,NA" "NA,10,30" "20,NA,5" 还可以使用xmlAttrsToDataFrame解析属性。
x <- XML:::xmlAttrsToDataFrame(doc["//r[@toe]"], stringsAsFactors=FALSE)
x$adj <- add_NAs(x$adj)
separate(x, adj, c("adj1", "adj2", "adj3"), sep="," , convert=TRUE)
toe veh c0 cur adj1 adj2 adj3
1 deairfor 22 30 30 NA NA NA
2 deairfor 23 40 20 35 20 NA
3 deairfor 26 2 2 NA 10 30Stack Overflow用户
发布于 2017-01-29 00:25:32
谢谢克里斯的帮助，真的回答了我所有的问题！最后代码如下所示，任何人都感兴趣。
我只需要插入一个先下载xml文件的行，否则它就不会捡起来了。我使用的主题是：(https://stackoverflow.com/questions/24139221/reading-and-understanding-xml-in-r)，另外，对于这个表，我希望调整后的级别‘继续’，这就是我在后面对5个类似行所做的事情。因此，如果c0 =10，adj1=20和adj2=NA，那么adj2 2/Tier2 2=20。
library(XML)
library(tidyr)
add_NAs <- function(x, n=5){
y <- strsplit(x, ",")
sapply( y, function(z){
n <- match(1:n, substr(z,1,1))
paste(substring(z, 3)[n], collapse=",")
})
}
fileURL <- "http://wiretap.wwiionline.com/xml/toes.sheet.xml"
download.file(fileURL, destfile=tf <- tempfile(fileext=".xml"))
doc <- xmlParse(tf)
Test <- XML:::xmlAttrsToDataFrame(doc["//r[@toe]"], stringsAsFactors=FALSE)
Test$adj <- add_NAs(Test$adj)
Test <- separate(data = Test, col = adj, into = c("Tier1","Tier2","Tier3","Tier4","Tier5"), sep = "\\,")
Test$Tier1 <- ifelse(Test$Tier1=="NA",Test$c0,Test$Tier1)
Test$Tier2 <- ifelse(Test$Tier2=="NA",Test$Tier1,Test$Tier2)
Test$Tier3 <- ifelse(Test$Tier3=="NA",Test$Tier2,Test$Tier3)
Test$Tier4 <- ifelse(Test$Tier4=="NA",Test$Tier3,Test$Tier4)
Test$Tier5 <- ifelse(Test$Tier5=="NA",Test$Tier4,Test$Tier5)https://stackoverflow.com/questions/41873969
复制相似问题
腾讯云开发者
