我該如何解析R中的XML文件並對數據進行基本的統計分析

我想解析R中的XML文件，以便分析數據。我試圖得到價格的均值和標準差。我也希望能夠在股價變化時獲得變化率。我曾嘗試進入手工數據但我有帶日期的結構問題（我曾嘗試以下：我該如何解析R中的XML文件並對數據進行基本的統計分析

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

，但未能奏效）。我知道XML文件只有少量的數字，但它是一個可以自動化的過程，如果有的話，我需要哪些軟件包？（我是R新手）。任何幫助將非常感激。

謝謝，安東尼。

<?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>

來源

2010-07-09 Anthony Keane

在

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

你錯過了一個閉合"所以它是無效的語法。

接下來，數據是非標準的，因爲我們將使用一個點seconds.subseconds，即12：23：34.567來表示時間戳。毫秒可以這樣解析：

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

所以你不僅需要首先從XML中取出它，還需要轉換字符串。否則，您可以解析字符串「手動」填充POSIXlt時間結構。

Postscriptum：忘了提，你需要啓用的子第二次印刷：

> 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：你也是幸運相對於您的文件感謝XML包：

> 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 
>

來源

2010-07-09 19:18:27

嗨德克，感謝您的快速回復。我按照你給的步驟添加了以下內容：庫（XML） test.df < - xmlToDataFrame（「c：/Users/user/Desktop/shares.xml」） attach（test.df） mean ）我得到以下幾點： [1] NA 警告消息：在mean.default（價格）：參數不是數字或邏輯：返回NA 是我丟失的還有其他的命令？ – 2010-07-09 21:27:46

也許嘗試的意思（as.numeric（Price））。 – Greg 2010-07-09 21:29:17

感謝格雷格，這工作。 – 2010-07-09 21:50:45

對於更復雜的XML數據，使用XML包可能很有用。

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"

來源

2010-07-09 20:01:00 apeescape

我最近的更新還通過'xmlToDataFrame（）'函數使用'XML'。 – 2010-07-09 23:35:22

我該如何解析R中的XML文件並對數據進行基本的統計分析

回答

相關問題