我正在尝试学习 R 的 XML
包。我正在尝试从 books.xml 示例 xml 数据文件创建一个 data.frame。这是我得到的:
library(XML)
books <- "http://www.w3schools.com/XQuery/books.xml"
doc <- xmlTreeParse(books, useInternalNodes = TRUE)
doc
xpathApply(doc, "//book", function(x) do.call(paste, as.list(xmlValue(x))))
xpathSApply(doc, "//book", function(x) strsplit(xmlValue(x), " "))
xpathSApply(doc, "//book/child::*", xmlValue)
这些 xpathSApply 中的每一个都没有让我接近我的意图。应该如何着手构建一个格式良好的数据框架?
最佳答案
通常,我会建议尝试使用 xmlToDataFrame()
函数,但我相信这实际上相当棘手,因为它一开始就没有很好的结构。
我建议使用这个函数:
xmlToList(books)
一个问题是每本书有多个作者,因此您需要在构建数据框架时决定如何处理这个问题。
一旦您决定了如何处理多作者问题,那么使用 plyr 中的 ldply()
函数(或仅使用 lapply并使用 do.call("rbind"...) 将返回值转换为 data.frame。
这是一个完整的例子(不包括作者):
library(XML)
books <- "w3schools.com/xsl/books.xml"
library(plyr)
ldply(xmlToList(books), function(x) { data.frame(x[!names(x)=="author"]) } )
.id title.text title..attrs year price .attrs
1 book Everyday Italian en 2005 30.00 COOKING
2 book Harry Potter en 2005 29.99 CHILDREN
3 book XQuery Kick Start en 2003 49.99 WEB
4 book Learning XML en 2003 39.95 WEB
这是包含作者的样子。您需要在这种情况下使用 ldply
,因为列表是“参差不齐的”...lapply 无法正确处理。 [否则,您可以将 lapply
与 rbind.fill
一起使用(也由 Hadley 提供),但是当 plyr
自动为您完成时,为什么还要费心呢?] :
ldply(xmlToList(books), data.frame)
.id title.text title..attrs author year price .attrs
1 book Everyday Italian en Giada De Laurentiis 2005 30.00 COOKING
2 book Harry Potter en J K. Rowling 2005 29.99 CHILDREN
3 book XQuery Kick Start en James McGovern 2003 49.99 WEB
4 book Learning XML en Erik T. Ray 2003 39.95 WEB
author.1 author.2 author.3 author.4
1 <NA> <NA> <NA> <NA>
2 <NA> <NA> <NA> <NA>
3 Per Bothner Kurt Cagle James Linn Vaidyanathan Nagarajan
4 <NA> <NA> <NA> <NA>
关于xml - 如何将 XML 数据转换为 data.frame?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2067098/