我将如何解析 R 中的 XML 文件并对数据进行基本的统计分析答案

【问题标题】：How would I parse the XML file in R and carry out basic Statistics Analysis on the data我将如何解析 R 中的 XML 文件并对数据进行基本的统计分析
【发布时间】：2010-07-10 04:01:00
【问题描述】：

我正在尝试在 R 中解析 XML 文件，以便分析数据。我正在尝试获取价格的均值和标准差。此外，我希望能够获得股价变化时的变化率。我曾尝试手动输入数据，但日期结构有问题（我尝试了以下方法：

z <- strptime ("HH:MM:SS.ms, "%H:%m:%S.%f")

但它失败了）。我知道 XML 文件只有少量数字，但它是一个可以自动化的过程吗？如果可以，我需要什么包？（我是 R 新手）。任何帮助将不胜感激。

谢谢，安东尼。

<?xml version = "1.0"?>
    <Company >
    <shareprice>
    <timeStamp> 12:00:00:01</timeStamp>
    <Price>  25.02</Price>
    </shareprice>



    <shareprice>
    <timeStamp> 12:00:00:02</timeStamp>
    <Price>  15</Price>
    </shareprice>



    <shareprice>
    <timeStamp> 12:00:00:025</timeStamp>
    <Price>  15.02</Price>
    </shareprice>



    <shareprice>
    <timeStamp> 12:00:00:031</timeStamp>
    <Price>  18.25</Price>
    </shareprice>



    <shareprice>
    <timeStamp> 12:00:00:039</timeStamp>
    <Price>  18.54</Price>
    </shareprice>



    <shareprice>
    <timeStamp> 12:00:00:050</timeStamp>
    <Price> 16.52</Price>
    </shareprice>


   <shareprice>
    <timeStamp> 12:00:01:01</timeStamp>
    <Price>  17.50</Price>
   </shareprice>
</Company>

【问题讨论】：

标签： xml r

【解决方案1】：

在

z <- strptime ("HH:MM:SS.ms, "%H:%m:%S.%f")

你错过了一个结束 " 所以它是无效的语法。

接下来，数据是非标准的，因为我们将使用点表示 seconds.subseconds，即 12:23:34.567 来表示时间戳。毫秒可以这样解析

> ts <- "12:00:00.050"
> strptime(ts, "%H:%M:%OS")
[1] "2010-07-09 12:00:00 CDT"
>

所以你不仅需要先把它从XML中取出来，还需要对字符串进行转换。否则，您可以解析字符串并“手动”填充POSIXlt 时间结构。

Postscriptum：忘了说你需要启用亚秒级打印：

> options("digits.secs"=3)         # shows milliseconds (three digits)
> strptime(ts, "%H:%M:%OS")
[1] "2010-07-09 12:00:00.05 CDT"   # suppresses trailing zero
>

Postscriptum 2：感谢XML 包，您的文件也很幸运：

> library(XML)
> xmlToDataFrame("c:/Temp/foo.xml")     # save your data as c:/Temp/foo.xml
      timeStamp   Price
1   12:00:00:01   25.02
2   12:00:00:02      15
3  12:00:00:025   15.02
4  12:00:00:031   18.25
5  12:00:00:039   18.54
6  12:00:00:050   16.52
7   12:00:01:01   17.50
>

【讨论】：

嗨，Dirk，感谢您的快速回复。我按照您提供的步骤并添加了以下内容： library (XML) test.df
也许可以试试 mean(as.numeric(Price))。

【解决方案2】：

对于更复杂的 XML 数据，使用 XML 包可能有用。

library(XML)

check <- xmlInternalTreeParse("/PathToXMLFile/checkXML.xml")
xpathSApply(check, "//timeStamp", xmlValue)
## [1] " 12:00:00:01"  " 12:00:00:02"  " 12:00:00:025" " 12:00:00:031"
## [5] " 12:00:00:039" " 12:00:00:050" " 12:00:01:01"

【讨论】：

我上次的更新也是通过更容易使用的xmlToDataFrame()函数使用XML。