正在将 XML 解析为数据帧

Question

有一个数据库存储在来自墨西哥政府页面的 XML 文件中，我正在尝试下载该数据库以用于我的分析。

您可以找到数据的页面是这个。

https://datos.gob.mx/busca/dataset/estaciones-de-servicio-gasolineras-y-precios-comerciales-de-gasolina-y-diesel

直接下载link就是这个，我觉得好像是一个外部仓库。真的不知道。

https://publicacionexterna.azurewebsites.net/publicaciones/prices

如果点击上面的link，会自动下载XML格式的数据库。

该数据库是关于墨西哥零售卖家的汽油价格，他在全国各地的位置以十进制度表示。

我可以下载数据库并粘贴到 windows .xls 文件，然后粘贴到 .csv 存档，然后上传到我的 R 环境进行分析。

一般问题是当我尝试直接从页面下载到我的 R 环境时，我无法获得允许我执行分析的结构化数据库格式。

我正在获取重复的行，无法提取每个数据级别的所有属性。

这是我自己写的脚本，在网上寻求帮助。

# CRE FILES

library(easypackages)

my_packages <- c("rlist","readr", "tidyverse", "lubridate", "stringr", 
"rebus", "stringi", "purrr", "geosphere", "XML", "RCurl", "plyr")

libraries(my_packages)

# Link de descarga de documentos 

link1 <-(https://publicacionexterna.azurewebsites.net/publicaciones/prices")

# First we load the xml file to the enviroment

data_prices <- getURL(link1)

xmlfile <- xmlParse(data_prices)

class(xmlfile)

xmltop <- xmlRoot(xmlfile)

base <- ldply(xmlToList(xmltop),data.frame)

问题是我希望日期显示为另一列，而不是一行。

Answer 1

类似这样的操作应该会为您提供一个数据框，其中所有数据都在单独的列中。

library(RCurl)
library(XML)

# Set link to website
link1 <-("https://publicacionexterna.azurewebsites.net/publicaciones/prices")

# Get data from webpage
data_prices <- getURL(link1)

# Parse XML data
xmlfile <- xmlParse(data_prices)

# Get place nodes
places <- getNodeSet(xmlfile, "//place")

# Get values for each place
values <- lapply(places, function(x){
                          # Get current place id
                          pid <- xmlAttrs(x)

                          # Get values for each gas type for current place
                          newrows <- lapply(xmlChildren(x), function(y){
                                                              # Get type and update time values
                                                              attrs <- xmlAttrs(y)

                                                              # Get price value
                                                              price <- xmlValue(y)
                                                              names(price) <- "price"

                                                              # Return values
                                                              return(c(pid, attrs, price))
                                                            })
                          # Combine rows to single list
                          newrows <- do.call(rbind, newrows)

                          # Return rows
                          return(newrows)
                       })

# Combine all values into a single dataframe
df <- as.data.frame(do.call(rbind, values), stringsAsFactors = FALSE)

# Reset row names for dataframe
row.names(df) <- c(1:nrow(df))

正在将 XML 解析为数据帧

Parsing XML to DATA FRAME

xml

database

r

plyr