XML 到 R 数据框，重复标识符

Question

长期潜伏者，第一次发帖（温柔点）。我试图从一个复杂的 XML 文件中制作一个“整洁”的 R 数据框。部分成功，但由于我对 R 的不熟悉，我无法弄清楚一步。我认为这并不复杂，但我一生都无法超越它。 （已经完成了多次谷歌搜索，多次查看 StackOverFlow，在 4 天内尝试了很多事情 --> #fail。）

1. 提取部分 XML 文件：

   library(XML)
   mss <- xmlParse("BITECA.toy.XML")
   xxx <- xmlToDataFrame(nodes = getNodeSet(mss, "//*/MsEd/MsEdID | //*/GeoMilestoneInfo/Dates"), collectNames=FALSE, stringsAsFactors = TRUE)
   

2. write.table 到一个文本文件产生：

   "Bibliography"  "Type"  "IDNo"  "text"
   "BITECA"    "manid" "1086"  NA
   NA  NA  NA  "1351 - 1400 (Bohigas i Riera)"
   NA  NA  NA  "1341 - 1360 (Lola Badia)"
   NA  NA  NA  "1401 - 1450 (Panunzio)"
   "BITECA"    "manid" "2744"  NA
   NA  NA  NA  "1701 - 1800"
   

3. 我的问题是如何用重复的节点标识符填充 NA，以获得我需要的更整洁的数据帧。 （需要进一步处理，但我想我知道该怎么做。）

   "Bibliography"  "IDNo"  "text"
   "BITECA"    "1086"  "1351 - 1400 (Bohigas i Riera)"
   "BITECA"    "1086"  "1341 - 1360 (Lola Badia)"
   "BITECA"    "1086"  "1401 - 1450 (Panunzio)"
   "BITECA"    "2744"  "1701 - 1800"
   

我想知道这是否是需要与 R 专家进行 5 分钟对话的事情之一？任何帮助将不胜感激！谢谢-pfs

编辑
(a) 响应下面的请求，步骤1中解析的文件（BITECA.toy.XML）在这里https://www.dropbox.com/s/6fs0usac2l1m76m/BITECA.toy.xml?dl=0
(b) 澄清 - 完整的 XML 文件有数千个“manid”条目，而不仅仅是下面显示的几个

Answer 1

第三步，你可以使用zoo包中的na.locf：

 require(zoo)
 unique(as.data.frame(
     Map(na.locf,df,fromLast=rep(c(TRUE,FALSE),c(3,1)))
 ))
 #  Bibliography  Type IDNo                          text
 #1       BITECA manid 1086 1351 - 1400 (Bohigas i Riera)
 #2       BITECA manid 2744      1341 - 1360 (Lola Badia)
 #3       BITECA manid 2744        1401 - 1450 (Panunzio)
 #5       BITECA manid 2744                   1701 - 1800

似乎对于前 3 列，您必须继承最后的观察，而对于第四列，当您有 NA 时，您必须采用之前的观察。这就是为什么我使用了三次fromLast 参数设置为TRUE，第四次设置为FALSE。

如果df 是您的data.frame 并且是这个对象，则上述方法有效：

   df <- structure(list(Bibliography = structure(c(1L, NA, NA, NA, 1L, 
         NA), .Label = "BITECA", class = "factor"), Type = structure(c(1L, 
         NA, NA, NA, 1L, NA), .Label = "manid", class = "factor"), IDNo = c(1086L, 
         NA, NA, NA, 2744L, NA), text = structure(c(NA, 2L, 1L, 3L, NA, 
         4L), .Label = c("1341 - 1360 (Lola Badia)", "1351 - 1400 (Bohigas i Riera)", 
        "1401 - 1450 (Panunzio)", "1701 - 1800"), class = "factor")),     .Names = c("Bibliography", 
        "Type", "IDNo", "text"), class = "data.frame", row.names = c(NA, 
        -6L))

Answer 2

有些问题已经发布.....

How to transform XML data into a data.frame?

希望这应该能够帮助您将 XML 转换为数据框问题。拥有数据框后，您可以使用 is.na(dataframe) 来测试和替换缺失值。