Question

这是我的数据集中XML格式的示例。

<info>
    <a>1990-01-02T06:58:12+08:00</a>
    <b>120.980</b>
    <c>23.786</c>
    <d>18.7</d>
    <e>2</e>
</info>
<info>
    <a>1990-02-02T06:58:12+08:00</a>
    <b>120.804</b>
    <c>23.790</c>
</info>

但是tag的数量与tag的数量不同，例如，标签a，b，c有4000行，而标签d，e只有3950行

这是我在R中的代码

library(xml2)

data.frame(Time = xml_text(xml_find_all(xml_data, ".//a")),
           Num = xml_text(xml_find_all(xml_data, ".//b")),
           Dist = xml_text(xml_find_all(xml_data, ".//c")),
           Gap = xml_text(xml_find_all(xml_data, ".//d")),
           Type = xml_text(xml_find_all(xml_data, ".//e")),
           stringsAsFactors = F)
}) -> df

错误消息是：（我知道这会发生）

参数暗示行数不同

我想要的输出将类似于下表：

Time                       Num      Dist   Gap   Type
1990-01-02T06:58:12+08:00  120.980  23.786 18.7  2
1990-02-02T06:58:12+08:00  120.804  23.790 <NA>  <NA>
...
1993-03-03T08:42:15+08:00  120.412  23.523 <NA>  1

我应该尝试哪个函数或库？
感谢您的帮助！！

我尝试了另一种方法，例如map_if

Answer 1

最后我找到了解决方案！

一旦我们使用xml文件，请确保首先获取记录的根节点。

在这里，我将向您展示其工作原理。

以这个xml文件为例：（将其命名为test.xml）

<dataset>
  <dataset_info>
    <data_count>2</data_count>
    <status>Actual</status>
  </dataset_info>
  <data>
    <time>2019-06-01</time>
    <event>event1</event>
    <describe>describe for event1</describe>
  </data>
  <data>
    <time>2019-06-02</time>
    <event>event2</event>
  </data>
</dataset>

我们知道event2中缺少标签describe，但我们希望以此xml数据构成数据框架。有人教我使用函数xml2::xml_find_all来获取所选标签中的值。通过这样的R代码：

# library import
library(xml) #require(xml2)

# file reading
xml <- read_xml("path/where/the/file/is/test.xml")


data.frame(Time = xml_text(xml_find_all(xml, ".//time"))
           Event = xml_text(xml_find_all(xml, ".//event"))
           Describe = xml_text(xml_find_all(xml, ".//describe"))
           )

然后我们将收到错误消息arguments imply differing number of rows

所以我们要做的是首先获取记录的根源！！如下面的代码：

# library import
library(xml) #require(xml2)

# file reading
xml <- read_xml("path/where/the/file/is/test.xml")
record <- xml_find_all(xml, ".//data")


data.frame(Time = xml_text(xml_find_all(record, ".//time"))
           Event = xml_text(xml_find_all(record, ".//event"))
           Describe = xml_text(xml_find_all(record, ".//describe"))
           )

添加record <- xml_find_all(xml, ".//data")后，我们将不再通过不同的结果计数来得到错误原因。

希望这会有所帮助！

如何使用不同行数但相关的“ data.frame”（不是“ by”）

1 个答案: