如何使用xml數據進行矢量化？

Question

讓我們說，我有這樣的XML文件：

<?xml version="1.0" encoding="UTF-8" ?> 
<TimeSeries> 
    <timeZone>1.0</timeZone> 
    <series> 
    <header/> 
    <event date="2009-09-30" time="10:00:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="10:15:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="10:30:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="10:45:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="11:00:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="11:15:00" value="0.0" flag="2"></event> 
    </series> 
    <series> 
    <header/> 
    <event date="2009-09-30" time="08:00:00" value="1.0" flag="2"></event> 
    <event date="2009-09-30" time="08:15:00" value="2.6" flag="2"></event> 
    <event date="2009-09-30" time="09:00:00" value="6.3" flag="2"></event> 
    <event date="2009-09-30" time="09:15:00" value="4.4" flag="2"></event> 
    <event date="2009-09-30" time="09:30:00" value="3.9" flag="2"></event> 
    <event date="2009-09-30" time="09:45:00" value="2.0" flag="2"></event> 
    <event date="2009-09-30" time="10:00:00" value="1.7" flag="2"></event> 
    <event date="2009-09-30" time="10:15:00" value="2.3" flag="2"></event> 
    <event date="2009-09-30" time="10:30:00" value="2.0" flag="2"></event> 
    </series> 
    <series> 
    <header/> 
    <event date="2009-09-30" time="10:00:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="10:15:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="10:30:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="10:45:00" value="0.0" flag="2"></event> 
    <event date="2009-09-30" time="11:00:00" value="0.0" flag="2"></event> 
    </series> 
</TimeSeries> 

，讓我們說我想要做的事與它的一系列元素，而且我想付諸實踐的意見「向量化向量化」 ......我導入XML庫並執行以下操作：

R> library("XML") 
R> doc <- xmlTreeParse('/home/mario/Desktop/sample.xml') 
R> TimeSeriesNode <- xmlRoot(doc) 
R> seriesNodes <- xmlElementsByTagName(TimeSeriesNode, "series") 
R> length(seriesNodes) 
[1] 3 
R> (function(x){length(xmlElementsByTagName(x[['series']], 'event'))} 
+)(seriesNodes) 
[1] 6 
R> 

，我不明白爲什麼我應該只得到應用功能的第一個元素的結果是：我所預料的三個值，就像seriesNodes的長度，像這樣：

R> mapply(length, seriesNodes) 
series series series 
    7  10  6 

哎呀！我已經想出了答案：「用mapply」：

R> mapply(function(x){length(xmlElementsByTagName(x, 'event'))}, seriesNodes) 
series series series 
    6  9  5 

但後來我看到下面的問題：R-魔族告訴我，我是‘循環隱藏’，而不是‘矢量化’！我可以避免循環嗎？ ...

Answer 1

您也可以使用xpathApply或xpathSApply - 這些函數使用XPath規範提取節點集，然後每個集執行一個函數。這兩個功能都由XML包提供。爲了使用這些功能，XML文檔必須使用xmlInternalTreeParse或解析與xmlTreeParse的useInternalNodes選項設置爲true：

require(XML) 

countEvents <- function(series){ 

    events <- xmlElementsByTagName(series, 'event') 
    return(length(events)) 

} 

doc <- xmlTreeParse("sample.xml", useInternalNodes = T) 

xpathSApply(doc, '/TimeSeries/series', countEvents) 
[1] 6 9 5 

我不知道這是否是任何「更快」，但代碼對於瞭解XPath語法以及函數如何操作的人來說，它絕對更清晰並且非常明確。

Answer 2

由於seriesNodes是節點列表，因此沒有簡單的方法可以避免隱式循環。簡單的操作如獲得長度不是計算密集型的，所以我不會失去任何睡眠而不能進行矢量化。

請注意，您可以使用sapply(seriesNodes, length)而不是mapply，因爲length函數只有一個參數。

做「事情的正確方式」是使用(s|m)apply調用來提取有用位數據的向量，然後以通常的方式分析這些向量。

最後，如果您真的非常想要引導計數事件，請使用names(unlist(seriesNodes))，然後在"series.name"的每次出現之間計算出"series.children.event.name"的發生次數。這無疑是更醜陋的，並且可能比sapply電話慢。