如何从xml文件创建R语言数据框dataframe

原文链接:http://tecdat.cn/?p=16788

问题重现 

软件：R语言

环境：windows

问题描述：我有一个XML文档文件。文件的一部分如下所示：

1.  
   <?xml version="1.0" encoding="UTF-8"?>
2.  
   <List>
3.  
   <SubCategory>
4.  
   <ID>BO</ID>
5.  
   <Name>Bookcases</Name>
6.  
   </SubCategory>
7.  
   <SubCategory>
8.  
   <ID>CH</ID>
9.  
   <Name>Chairs</Name>
10.  
    </SubCategory>
11.  
    <SubCategory>
12.  
    <ID>LA</ID>
13.  
    <Name>Labels</Name>
14.  
    </SubCategory>
15.  
    <SubCategory>
16.  
    <ID>TA</ID>
17.  
    <Name>Tables</Name>
18.  
    </SubCategory>
19.  
    <SubCategory>
20.  
    <ID>ST</ID>
21.  
    <Name>Storage</Name>
22.  
    </SubCategory>
23.  
    <SubCategory>
24.  
    <ID>FU</ID>
25.  
    <Name>Furnishings</Name>
26.  
    </SubCategory>
27.  
    <SubCategory>
28.  
    <ID>AR</ID>
29.  
    <Name>Art</Name>
30.  
    </SubCategory>
31.  
    <SubCategory>
32.  
    <ID>PH</ID>
33.  
    <Name>Phones</Name>
34.  
    </SubCategory>
35.  
    <SubCategory>
36.  
    <ID>BI</ID>
37.  
    <Name>Binders</Name>
38.  
    </SubCategory>
39.  
    <SubCategory>
40.  
    <ID>AP</ID>
41.  
    <Name>Appliances</Name>
42.  
    </SubCategory>
43.  
    <SubCategory>
44.  
    <ID>PA</ID>
45.  
    <Name>Paper</Name>
46.  
    </SubCategory>
47.  
    <SubCategory>
48.  
    <ID>AC</ID>
49.  
    <Name>Accessories</Name>
50.  
    </SubCategory>
51.  
    <SubCategory>
52.  
    <ID>EN</ID>
53.  
    <Name>Envelopes</Name>
54.  
    </SubCategory>
55.  
    <SubCategory>
56.  
    <ID>FA</ID>
57.  
    <Name>Fasteners</Name>
58.  
    </SubCategory>
59.  
    <SubCategory>
60.  
    <ID>SU</ID>
61.  
    <Name>Supplies</Name>
62.  
    </SubCategory>
63.  
    <SubCategory>
64.  
    <ID>MA</ID>
65.  
    <Name>Machines</Name>
66.  
    </SubCategory>
67.  
    <SubCategory>
68.  
    <ID>CO</ID>
69.  
    <Name>Copiers</Name>
70.  
    </SubCategory>
71.  
    </List>

从这个XML文件中，我想创建一个具有ID，name 列的R数据框。请注意，name和ID应包含变量的所有级别。

解决方案

假设这是正确的taxlots.shp.xml文件：

1.  
   <?xml version="1.0" encoding="UTF-8"?>
2.  
   <List>
3.  
   <SubCategory>
4.  
   <ID>BO</ID>
5.  
   <Name>Bookcases</Name>
6.  
   </SubCategory>
7.  
   <SubCategory>
8.  
   <ID>CH</ID>
9.  
   <Name>Chairs</Name>
10.  
    </SubCategory>
11.  
    <SubCategory>
12.  
    <ID>LA</ID>
13.  
    <Name>Labels</Name>
14.  
    </SubCategory>
15.  
    <SubCategory>
16.  
    <ID>TA</ID>
17.  
    <Name>Tables</Name>
18.  
    </SubCategory>
19.  
    <SubCategory>
20.  
    <ID>ST</ID>
21.  
    <Name>Storage</Name>
22.  
    </SubCategory>
23.  
    <SubCategory>
24.  
    <ID>FU</ID>
25.  
    <Name>Furnishings</Name>
26.  
    </SubCategory>
27.  
    <SubCategory>
28.  
    <ID>AR</ID>
29.  
    <Name>Art</Name>
30.  
    </SubCategory>
31.  
    <SubCategory>
32.  
    <ID>PH</ID>
33.  
    <Name>Phones</Name>
34.  
    </SubCategory>
35.  
    <SubCategory>
36.  
    <ID>BI</ID>
37.  
    <Name>Binders</Name>
38.  
    </SubCategory>
39.  
    <SubCategory>
40.  
    <ID>AP</ID>
41.  
    <Name>Appliances</Name>
42.  
    </SubCategory>
43.  
    <SubCategory>
44.  
    <ID>PA</ID>
45.  
    <Name>Paper</Name>
46.  
    </SubCategory>
47.  
    <SubCategory>
48.  
    <ID>AC</ID>
49.  
    <Name>Accessories</Name>
50.  
    </SubCategory>
51.  
    <SubCategory>
52.  
    <ID>EN</ID>
53.  
    <Name>Envelopes</Name>
54.  
    </SubCategory>
55.  
    <SubCategory>
56.  
    <ID>FA</ID>
57.  
    <Name>Fasteners</Name>
58.  
    </SubCategory>
59.  
    <SubCategory>
60.  
    <ID>SU</ID>
61.  
    <Name>Supplies</Name>
62.  
    </SubCategory>
63.  
    <SubCategory>
64.  
    <ID>MA</ID>
65.  
    <Name>Machines</Name>
66.  
    </SubCategory>
67.  
    <SubCategory>
68.  
    <ID>CO</ID>
69.  
    <Name>Copiers</Name>
70.  
    </SubCategory>
71.  
    </List>

XML格式的数据很少以允许该xmlToDataFrame功能正常工作的方式进行组织。最好提取列表中的所有内容，然后将列表绑定到数据框中：

1.  
   data <- xmlParse("ProductSubcategory.xml")
2.  
    
3.  
   xml_data <- xmlToList(data)
4.  
    
5.  
   dataDictionary <- xmlToDataFrame(getNodeSet(data,"//SubCategory"))

---

最受欢迎的见解

1.如何解决线性混合模型中畸形拟合(SINGULAR FIT)的问题

2.在UBUNTU虚拟机上安装R软件包

3.WINDOWS中用命令行执行R语言命令

4.R语言GGSURVPLOT绘制生存曲线报错 : OBJECT OF TYPE ‘SYMBOL