从许多 XML 个文件在 R 中创建一个数据框
Create a data frame in R from many XML files
我正在尝试使用瑞典选举统计数据检索一些 xml 数据并在 R 中创建数据框，但我对 xml 文件不熟悉出我想要的信息。我已经看到一些关于如何从许多 XML 文件创建数据框的其他问题，但它们的结构比我正在使用的数据更简单。
数据发布为包含许多 XML 文件的压缩文件夹。可以通过以下R代码读取：
library(xml2)
library(tidyverse)
tf <- tempfile(tmpdir = tdir <- tempdir())
download.file("https://data.val.se/val/val2014/valnatt/valnatt.zip", tf)
xml_files <- unzip(tf, exdir = tdir)
该文件夹包含 290 个城市中的每一个（具有 4 位代码的文件）和每种选举类型的文件，文件名中的最后一个字母表示选举类型（R=国家议会，L=县议会， K=市政委员会）。它还包含 3 个 XML 文件，用于三种选举类型中每一种的总结果。 XML 包含市政数据的文件具有以下结构（为清楚起见删除了行）：
<?xml version="1.0" encoding="ISO-8859-1"?>
<?xml-stylesheet type="text/html"?>
<!DOCTYPE VAL PUBLIC "-//Valmyndigheten//DTD Valresultat parti kommun 1.5//SV" "http://www.val.se/dtd/resultat/parti_kommun_1_5.dtd">
<VAL TILLFÄLLE="Allmänna val 14 september 2014" FILNAMN="valnatt_0114R.xml" RAPPORTERING="VALNATTSRAPPORTERING" VALTYP="Riksdagsval" VALDAG="20140914" VALDAG_FGVAL="20100919" TID_RAPPORT="20140916105203">
<PARTI FÖRKORTNING="M" BETECKNING="Moderaterna" FÄRG="#66BEE6" />
<KOMMUN KOD="0114" NAMN="Upplands Väsby" TYP="Summering" KLARA_VALDISTRIKT="22" ALLA_VALDISTRIKT="22" RÖSTER="23638" RÖSTER_FGVAL="22215" TID_RAPPORT="20140914230336" MODNR="117144935">
<GILTIGA PARTI="M" RÖSTER="6748" RÖSTER_FGVAL="8201" PROCENT="28,5" PROCENT_FGVAL="36,9" PROCENT_ÄNDRING="-8,4"/>
<GILTIGA PARTI="C" RÖSTER="901" RÖSTER_FGVAL="891" PROCENT="3,8" PROCENT_FGVAL="4,0" PROCENT_ÄNDRING="-0,2"/>
<KRETS_KOMMUN KOD="011401" NAMN="Norra valkretsen" TYP="Summering" KLARA_VALDISTRIKT="12" ALLA_VALDISTRIKT="12" RÖSTER="11907" RÖSTER_FGVAL="11202" TID_RAPPORT="20140914222651" MODNR="117118974">
<GILTIGA PARTI="M" RÖSTER="3083" RÖSTER_FGVAL="3860" PROCENT="25,9" PROCENT_FGVAL="34,5" PROCENT_ÄNDRING="-8,6"/>
<GILTIGA PARTI="C" RÖSTER="440" RÖSTER_FGVAL="431" PROCENT="3,7" PROCENT_FGVAL="3,8" PROCENT_ÄNDRING="-0,2"/>
<VALDISTRIKT KOD="01140212" NAMN="Smedby Södra" RÖSTER="1201" RÖSTER_FGVAL="1186" TID_RAPPORT="20140914230336" MODNR="117144935">
<GILTIGA PARTI="M" RÖSTER="227" RÖSTER_FGVAL="336" PROCENT="18,9" PROCENT_FGVAL="28,3" PROCENT_ÄNDRING="-9,4"/>
<GILTIGA PARTI="C" RÖSTER="35" RÖSTER_FGVAL="17" PROCENT="2,9" PROCENT_FGVAL="1,4" PROCENT_ÄNDRING="+1,5"/>
<GILTIGA PARTI="FP" RÖSTER="43" RÖSTER_FGVAL="61" PROCENT="3,6" PROCENT_FGVAL="5,1" PROCENT_ÄNDRING="-1,6"/>
<ÖVRIGA_GILTIGA RÖSTER="20" RÖSTER_FGVAL="10" PROCENT="1,7" PROCENT_FGVAL="0,8" PROCENT_ÄNDRING="+0,8"/>
<OGILTIGA TEXT="BLANK" RÖSTER="12" RÖSTER_FGVAL="13" PROCENT="1,0" PROCENT_FGVAL="1,1" PROCENT_ÄNDRING="-0,1"/>
<OGILTIGA TEXT="OG" RÖSTER="13" RÖSTER_FGVAL="1" PROCENT="1,1" PROCENT_FGVAL="0,1" PROCENT_ÄNDRING="+1,0"/>
<VALDELTAGANDE RÖSTBERÄTTIGADE="1551" RÖSTBERÄTTIGADE_KLARA_VALDISTRIKT_FGVAL="1546" SUMMA_RÖSTER="1226" SUMMA_RÖSTER_FGVAL="1200" PROCENT="79,0" PROCENT_FGVAL="77,6" PROCENT_ÄNDRING="+1,4"/>
</VALDISTRIKT>
</KRETS_KOMMUN>
</KOMMUN>
</VAL>
现在，我想为每个文件获取所有 VALDISTRIKT 节点及以下节点中的数据，并创建一个数据框。我不确定如何最好地构建这样的数据框，但以下结构就足够了，其中 GROUP 在 GILTIGA 中包含 PARTI，在 OGILTIGA 中包含 TEXT，在 ÖVRIGA_GILTIGA 中仅包含 ÖVRIGA_GILTIGA .如果可能的话，我还想从 VALDELTAGANDE 中添加 PROCENT 和 PROCENT_FG_VAL 作为变量（一个 VALDISTIKT 中每一行的信息相同）。
KOD NAMN GROUP RÖSTER RÖSTER_FG_VAL PROCENT PROCENT_FG_VAL PROCENT_FÖRÄNDRING
01140212 "Smedby Södra" M 227 336 18,9 18,3 -9,4
01140212 "Smedby Södra" C 35 17 2,9 1,4 +1,5
01140212 "Smedby Södra" FP 43 61 3,6 5,1 -1,6
01140212 "Smedby Södra" ÖVRIGA_GILTIGA 20 10 1,7 0,8 +0,8
01140212 "Smedby Södra" BLANK 12 13 1,0 1,1 -0,1
01140212 "Smedby Södra" OG 13 1 1,1 0,1 +1,0
该信息应该从 290 个文件中的每个文件中的每个 VALDISTRIKT 中检索，这些文件的名称有 4 位数字并以 R 结尾。我想我应该遍历这些文件，或者更确切地说使用 map_df？
我知道在一个问题中有很多问题要问，如果我没有对 XML 文件的某些部分使用正确的术语，我很抱歉，但如果你能给我一些关于如何将 xml 文件中的信息获取到数据框中的指示，或者我可以在哪里阅读更多有关如何执行此操作的信息，我们将不胜感激。
更新
我已经成功向前迈进了几步。对于一个文件，我可以使用以下代码将所有信息放入两个单独的数据框中，其中顶部包含有关选区的数据，下面包含选举结果。我现在只需要找到一种方法将两者结合起来并调整代码以读取所有文件。
top <- xml_find_all(t, "//VALDISTRIKT")
top <- top %>%
map(xml_attrs) %>%
map_df(~as.list(.))
below <- xml_find_all(t, "//VALDISTRIKT/*")
below <- p2 %>%
map(xml_attrs) %>%
map_df(~as.list(.))
祝一切顺利，R
我在 RStudio Community 中得到了答案，我想我也可以在这里添加它，以防它对其他人有任何帮助。
library(xml2)
library(tidyverse)
# Make a temporary file (tf) and a temporary folder (tdir)
tf <- tempfile(tmpdir = tdir <- tempdir())
# Download the zip file
download.file("https://data.val.se/val/val2014/valnatt/valnatt.zip", tf)
# Unzip it in the temp folder
xml_files <- unzip(tf, exdir = tdir)
# Get the filenames of the files to import
# They have 4 digits in the file name, and ends with the letter K
files_to_import <- fs::dir_ls(tdir) %>%
str_subset(pattern = "valnatt_\d{4}K.xml$")
# Create a function to read a file and get the information wanted
read_dist <- . %>%
read_xml() %>%
xml_find_all(., "//VALDISTRIKT") %>%
map_dfr(~ {
# extract the attributes from the parent tag as a data.frame
parent <- xml_attrs(.x) %>% enframe() %>% spread(name, value)
# make a data.frame out of the attributes of the kids
kids <- xml_children(.x) %>% map_dfr(~ as.list(xml_attrs(.x)))
# combine them (bind_cols does not repeat parent rows)
cbind.data.frame(parent, kids) %>% set_tidy_names() %>% as_tibble()
})
# Map over all the files
df <- map_df(files_to_import, read_dist)
我正在尝试使用瑞典选举统计数据检索一些 xml 数据并在 R 中创建数据框，但我对 xml 文件不熟悉出我想要的信息。我已经看到一些关于如何从许多 XML 文件创建数据框的其他问题，但它们的结构比我正在使用的数据更简单。
数据发布为包含许多 XML 文件的压缩文件夹。可以通过以下R代码读取：
library(xml2)
library(tidyverse)
tf <- tempfile(tmpdir = tdir <- tempdir())
download.file("https://data.val.se/val/val2014/valnatt/valnatt.zip", tf)
xml_files <- unzip(tf, exdir = tdir)
该文件夹包含 290 个城市中的每一个（具有 4 位代码的文件）和每种选举类型的文件，文件名中的最后一个字母表示选举类型（R=国家议会，L=县议会， K=市政委员会）。它还包含 3 个 XML 文件，用于三种选举类型中每一种的总结果。 XML 包含市政数据的文件具有以下结构（为清楚起见删除了行）：
<?xml version="1.0" encoding="ISO-8859-1"?>
<?xml-stylesheet type="text/html"?>
<!DOCTYPE VAL PUBLIC "-//Valmyndigheten//DTD Valresultat parti kommun 1.5//SV" "http://www.val.se/dtd/resultat/parti_kommun_1_5.dtd">
<VAL TILLFÄLLE="Allmänna val 14 september 2014" FILNAMN="valnatt_0114R.xml" RAPPORTERING="VALNATTSRAPPORTERING" VALTYP="Riksdagsval" VALDAG="20140914" VALDAG_FGVAL="20100919" TID_RAPPORT="20140916105203">
<PARTI FÖRKORTNING="M" BETECKNING="Moderaterna" FÄRG="#66BEE6" />
<KOMMUN KOD="0114" NAMN="Upplands Väsby" TYP="Summering" KLARA_VALDISTRIKT="22" ALLA_VALDISTRIKT="22" RÖSTER="23638" RÖSTER_FGVAL="22215" TID_RAPPORT="20140914230336" MODNR="117144935">
<GILTIGA PARTI="M" RÖSTER="6748" RÖSTER_FGVAL="8201" PROCENT="28,5" PROCENT_FGVAL="36,9" PROCENT_ÄNDRING="-8,4"/>
<GILTIGA PARTI="C" RÖSTER="901" RÖSTER_FGVAL="891" PROCENT="3,8" PROCENT_FGVAL="4,0" PROCENT_ÄNDRING="-0,2"/>
<KRETS_KOMMUN KOD="011401" NAMN="Norra valkretsen" TYP="Summering" KLARA_VALDISTRIKT="12" ALLA_VALDISTRIKT="12" RÖSTER="11907" RÖSTER_FGVAL="11202" TID_RAPPORT="20140914222651" MODNR="117118974">
<GILTIGA PARTI="M" RÖSTER="3083" RÖSTER_FGVAL="3860" PROCENT="25,9" PROCENT_FGVAL="34,5" PROCENT_ÄNDRING="-8,6"/>
<GILTIGA PARTI="C" RÖSTER="440" RÖSTER_FGVAL="431" PROCENT="3,7" PROCENT_FGVAL="3,8" PROCENT_ÄNDRING="-0,2"/>
<VALDISTRIKT KOD="01140212" NAMN="Smedby Södra" RÖSTER="1201" RÖSTER_FGVAL="1186" TID_RAPPORT="20140914230336" MODNR="117144935">
<GILTIGA PARTI="M" RÖSTER="227" RÖSTER_FGVAL="336" PROCENT="18,9" PROCENT_FGVAL="28,3" PROCENT_ÄNDRING="-9,4"/>
<GILTIGA PARTI="C" RÖSTER="35" RÖSTER_FGVAL="17" PROCENT="2,9" PROCENT_FGVAL="1,4" PROCENT_ÄNDRING="+1,5"/>
<GILTIGA PARTI="FP" RÖSTER="43" RÖSTER_FGVAL="61" PROCENT="3,6" PROCENT_FGVAL="5,1" PROCENT_ÄNDRING="-1,6"/>
<ÖVRIGA_GILTIGA RÖSTER="20" RÖSTER_FGVAL="10" PROCENT="1,7" PROCENT_FGVAL="0,8" PROCENT_ÄNDRING="+0,8"/>
<OGILTIGA TEXT="BLANK" RÖSTER="12" RÖSTER_FGVAL="13" PROCENT="1,0" PROCENT_FGVAL="1,1" PROCENT_ÄNDRING="-0,1"/>
<OGILTIGA TEXT="OG" RÖSTER="13" RÖSTER_FGVAL="1" PROCENT="1,1" PROCENT_FGVAL="0,1" PROCENT_ÄNDRING="+1,0"/>
<VALDELTAGANDE RÖSTBERÄTTIGADE="1551" RÖSTBERÄTTIGADE_KLARA_VALDISTRIKT_FGVAL="1546" SUMMA_RÖSTER="1226" SUMMA_RÖSTER_FGVAL="1200" PROCENT="79,0" PROCENT_FGVAL="77,6" PROCENT_ÄNDRING="+1,4"/>
</VALDISTRIKT>
</KRETS_KOMMUN>
</KOMMUN>
</VAL>
现在，我想为每个文件获取所有 VALDISTRIKT 节点及以下节点中的数据，并创建一个数据框。我不确定如何最好地构建这样的数据框，但以下结构就足够了，其中 GROUP 在 GILTIGA 中包含 PARTI，在 OGILTIGA 中包含 TEXT，在 ÖVRIGA_GILTIGA 中仅包含 ÖVRIGA_GILTIGA .如果可能的话，我还想从 VALDELTAGANDE 中添加 PROCENT 和 PROCENT_FG_VAL 作为变量（一个 VALDISTIKT 中每一行的信息相同）。
KOD NAMN GROUP RÖSTER RÖSTER_FG_VAL PROCENT PROCENT_FG_VAL PROCENT_FÖRÄNDRING
01140212 "Smedby Södra" M 227 336 18,9 18,3 -9,4
01140212 "Smedby Södra" C 35 17 2,9 1,4 +1,5
01140212 "Smedby Södra" FP 43 61 3,6 5,1 -1,6
01140212 "Smedby Södra" ÖVRIGA_GILTIGA 20 10 1,7 0,8 +0,8
01140212 "Smedby Södra" BLANK 12 13 1,0 1,1 -0,1
01140212 "Smedby Södra" OG 13 1 1,1 0,1 +1,0
该信息应该从 290 个文件中的每个文件中的每个 VALDISTRIKT 中检索，这些文件的名称有 4 位数字并以 R 结尾。我想我应该遍历这些文件，或者更确切地说使用 map_df？
我知道在一个问题中有很多问题要问，如果我没有对 XML 文件的某些部分使用正确的术语，我很抱歉，但如果你能给我一些关于如何将 xml 文件中的信息获取到数据框中的指示，或者我可以在哪里阅读更多有关如何执行此操作的信息，我们将不胜感激。
更新
我已经成功向前迈进了几步。对于一个文件，我可以使用以下代码将所有信息放入两个单独的数据框中，其中顶部包含有关选区的数据，下面包含选举结果。我现在只需要找到一种方法将两者结合起来并调整代码以读取所有文件。
top <- xml_find_all(t, "//VALDISTRIKT")
top <- top %>%
map(xml_attrs) %>%
map_df(~as.list(.))
below <- xml_find_all(t, "//VALDISTRIKT/*")
below <- p2 %>%
map(xml_attrs) %>%
map_df(~as.list(.))
祝一切顺利，R
我在 RStudio Community 中得到了答案，我想我也可以在这里添加它，以防它对其他人有任何帮助。
library(xml2)
library(tidyverse)
# Make a temporary file (tf) and a temporary folder (tdir)
tf <- tempfile(tmpdir = tdir <- tempdir())
# Download the zip file
download.file("https://data.val.se/val/val2014/valnatt/valnatt.zip", tf)
# Unzip it in the temp folder
xml_files <- unzip(tf, exdir = tdir)
# Get the filenames of the files to import
# They have 4 digits in the file name, and ends with the letter K
files_to_import <- fs::dir_ls(tdir) %>%
str_subset(pattern = "valnatt_\d{4}K.xml$")
# Create a function to read a file and get the information wanted
read_dist <- . %>%
read_xml() %>%
xml_find_all(., "//VALDISTRIKT") %>%
map_dfr(~ {
# extract the attributes from the parent tag as a data.frame
parent <- xml_attrs(.x) %>% enframe() %>% spread(name, value)
# make a data.frame out of the attributes of the kids
kids <- xml_children(.x) %>% map_dfr(~ as.list(xml_attrs(.x)))
# combine them (bind_cols does not repeat parent rows)
cbind.data.frame(parent, kids) %>% set_tidy_names() %>% as_tibble()
})
# Map over all the files
df <- map_df(files_to_import, read_dist)