[英]How to parse complex XML to a long format data frame in R
我試圖將XML解析為R數據幀。
xml.text <-
'<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<recordGroup>
<period>60</period>
<record>
<dateTime>01102015000000</dateTime>
<field>
<id>Equipos.0CR02-1.AE</id>
<value>34.405000</value>
</field>
<field>
<id>Equipos.0CR02-1.API</id>
<value>160.794000</value>
</field>
</record>
<record>
<dateTime>01102015001500</dateTime>
<field>
<id>Equipos.0CR02-1.AE</id>
<value>38.309000</value>
</field>
<field>
<id>Equipos.0CR02-1.API</id>
<value>152.800000</value>
</field>
</record>
</recordGroup>'
library(XML)
xml <- xmlParse(xml.text)
indata <- xmlToDataFrame(getNodeSet(xml, "//recordGroup/record")[1])
我只用一條記錄就可以了。 結果是它創建了一個包含兩列( dateTime和field )並且只有一行的表。 字段下方標記之間的所有文本都連接在一起:
dateTime field
1 01102015000000 Equipos.0CR02-1.AE34.405000\nEquipos.0CR02-1.API160.794000
由於dateTime適用於兩個字段結構,因此需要獲取長格式表結構,如下所示:
dateTime id value
1 01102015000000 Equipos.0CR02-1.AE 34.405000
2 01102015000000 Equipos.0CR02-1.API 160.794000
3 01102015001500 Equipos.0CR02-1.AE 38.309000
4 01102015001500 Equipos.0CR02-1.API 152.800000
...
你的xml有點亂,但我們可以解決它:
library(XML)
xml <- xmlParse(xml.text)
xmlout <- do.call(rbind, xpathApply(xml,'//recordGroup/record', xmlToDataFrame))
這給你:
text id value
1 01102015000000 <NA> <NA>
2 <NA> Equipos.0CR02-1.AE 34.405000
3 <NA> Equipos.0CR02-1.API 160.794000
4 01102015001500 <NA> <NA>
5 <NA> Equipos.0CR02-1.AE 38.309000
6 <NA> Equipos.0CR02-1.API 152.800000
然后你可以用tidyr
和dplyr
清理它:
library(tidyr)
library(dplyr)
xmlout %>% fill(text) %>%
na.omit
text id value
2 01102015000000 Equipos.0CR02-1.AE 34.405000
3 01102015000000 Equipos.0CR02-1.API 160.794000
5 01102015001500 Equipos.0CR02-1.AE 38.309000
6 01102015001500 Equipos.0CR02-1.API 152.800000
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.