1

我正在尝试使用瑞典选举统计数据检索一些 xml 数据，并在其中创建一个 R 数据框，但我对 xml 文件不太熟悉，无法获取我想要的信息。我已经看到了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。

数据作为包含许多 XML 文件的压缩文件夹发布。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 个城市中每个城市的文件（具有 4 位数字代码的文件）和每种选举类型，其中文件名中的最后一个字母表示选举类型（R=国民议会，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的每一种的总结果。带有市政数据的 XML 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，我希望每个文件都能获取所有VALDISTRIKT节点及以下节点内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包含 GILTIGA 中的 PARTI、OGILTIGA 中的 TEXT 以及 ÖVRIGA_GILTIGA 中的 ÖVRIGA_GILTIGA。如果可能的话，我还想将 VALDELTAGANDE 中的 PROCENT 和 PROCENT_FG_VAL 添加为变量（一个 VALDISTRIKT 中的每一行具有相同的信息）。

    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

应该从 290 个文件中的每个 VALDISTRIKT 中检索此信息，该文件的名称为 4 位并以 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?

我知道这个问题有很多要问的问题，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，但是如果你能给我一些关于如何从xml 文件放入数据框中，或者我可以在其中阅读有关如何执行此操作的更多信息，将不胜感激。

更新

我已经成功地向前走了几步。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，其中顶部包含有关该地区的数据，下面包含选举结果。我现在只需要找到一种将两者结合起来并调整代码以读取所有文件的方法。

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(.))

一切顺利，R

4

1 回答 1

3

我在RStudio 社区中得到了答案，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)
于 2018-06-28T15:18:36.423 回答