Question

对于tl; dr我在底部有一个简单的问题：

我正在尝试将XML文件转换为R中的可用表格。

<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，但我认为这个文件格式不正确，因为我没有遇到任何带有数据的XML示例，例如＆lt; r toe“...... data ...”/＆gt;。我已经能够使用以下内容提取数据：

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它们绑定在一起。我需要df1 / 2，否则它会在i = 1时出错。可能以不同的方式更容易但我无法使它工作。

这给我留下了一个数据帧Df2，所有变量都是“因子”（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

因此现在困难在于这个“adj”专栏。我可以将它与以下内容分开：

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 = "\\:")

但细胞不在正确的列中。 Df2现在如下：

"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

虽然最后一行需要:(一旦adj1值在正确的列中，我们也可以删除adj1 / adj2 / adj3）

deairfor 26 2 2 NA NA 2 10 3 30

我已尝试过多种方法将这些单元格移动到右侧，但不断出现错误，例如:( adj *列是分隔后的字符，因此为“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

应该成为

"TOE" "Veh" "c0" "cur" "adj1" "adj2" "adj3"
deairfor 26 2 2 NA 10 30

奖金问题：我觉得我需要使用很多行，因为一开始的XML导入不是很理想，无论如何，考虑到我的目标，这样做会更好吗？

Answer 1

我会编写一个函数，可以将NAs添加到前缀的adj字符串中，然后使用tidyr＆＃39; s 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"

您还可以使用xmlAttrsToDataFrame来解析属性。

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   30

Answer 2

感谢Chris的帮助，真的回答了我的所有问题！对于任何感兴趣的人，最终代码如下所示。

我只需插入一行首先下载xml文件，否则就不会捡起来。我用过的主题:( https://stackoverflow.com/questions/24139221/reading-and-understanding-xml-in-r) 另外对于这个表我希望在调整后水平“继续”，这就是我在最后用5个相似的行做的。因此，如果c0 = 10，则adj1 = 20且adj2 = NA，则adj2 / Tier2 = 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)

根据第二列中的值将值移动到不同的列，XML转换为data.frame

2 个答案: