主頁 > 資料庫 > 來自url的大型Dataframe具有非常奇怪的格式。有人對如何重新格式化有任何建議嗎?

來自url的大型Dataframe具有非常奇怪的格式。有人對如何重新格式化有任何建議嗎?

2022-04-02 01:52:33 資料庫

我目前正在使用以下格式從電子表格中抓取資料: 來自 url 的大型 Dataframe 具有非常奇怪的格式。有人對如何重新格式化有任何建議嗎?

每個財政年度按以下方式分隔: 來自 url 的大型 Dataframe 具有非常奇怪的格式。有人對如何重新格式化有任何建議嗎?

我想做的是在左側創建一個名為“Financial_Year”的附加列,該列從相關單元格中獲取日期。

所以我希望df看起來如下: 來自 url 的大型 Dataframe 具有非常奇怪的格式。有人對如何重新格式化有任何建議嗎?

到目前為止,我的代碼如下:

library(tidyverse)
library(dplyr)
library(XLConnect)
tmp = tempfile(fileext = ".xls")
download.file(url = "https://dmo.gov.uk/umbraco/surface/DataExport/GetDataExport?reportCode=D4L&exportFormatValue=xls&parameters=&Financial Year=(All)", destfile = tmp, mode="wb")
holds <- readWorksheetFromFile(file = tmp, sheet=1) %>% 
  filter(across(everything(), ~!is.na(.)))

有人對如何實作結果有任何建議嗎?(檔案很大)。

編輯到目前為止,我一直在做的是單獨下載每年的 s/s,將它們編織在一起,重命名列并洗掉各種列。

uj5u.com熱心網友回復:

首先,我們加載第一列,以便我們可以對表進行分組并迭代加載它們。我們假設第一列 with"Financial"是一個清晰的標簽;從那開始,我們跳過每行的前幾行(僅限于一年內的每月資料),然后加載到list

# library(readxl)
# library(cellranger) # imported by readxl
col1 <- readxl::read_xls(tmp, range = cellranger::cell_cols(1))
tablenames <- sub(".* - ", "", grep("Financial", col1[[1]], value = TRUE))
tablenames
#  [1] "2005-06" "2006-07" "2007-08" "2008-09" "2009-10" "2010-11" "2011-12" "2012-13" "2013-14" "2014-15" "2015-16" "2016-17"
# [13] "2017-18" "2018-19" "2019-20" "2020-21" "2021-22"
tablerows <- split(seq_along(col1[[1]]), cumsum(grepl("Financial", col1[[1]])))[-1]

alldat <- lapply(setNames(tablerows, nm = tablenames), function(R) {
  readxl::read_xls("~/Downloads/quux.xls", range = cellranger::cell_rows(R[-(1:5)]), .name_repair = "universal")
})
# New names:
### ...snip...

alldat[["2005-06"]]
# # A tibble: 56 x 14
#    ...1                      ...2         Apr..2005 May..2005 Jun..2005 Jul..2005 Aug..2005 Sep..2005 Oct..2005 Nov..2005 Dec..2005 Jan..2006 Feb..2006 Mar..2006
#    <chr>                     <chr>            <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>
#  1 10?% Exchequer Stock 2005 GB0003270005   0.00395   0.00395   0.00842   0.00842   0.00842   0         0         0         0         0         0         0      
#  2 8?% Treasury Stock 2005   GB0008880808 309.      309.      301.      301.      301.      301.      301.      545.        0         0         0         0      
#  3 7?% Treasury Stock 2006   GB0008916024 549.      549.      549.      549.      549.      549.      549.      549.      549.      548.      548.      548.     
#  4 9?% Conversion Stock 2006 GB0009021956   0         0         0.002     0.00505   0.00505   0.00505   0.00505   0.00505   0.00505   0.00505   0.00505   0.00505
#  5 7?% Treasury Stock 2006   GB0009998302 560.      602.      602.      602.      601.      601.      862.      862.      862.      862.      862.      862.     
#  6 4?% Treasury Stock 2007   GB0034040740 344.      344.      344.      344.      342.      342.      596.      596.      596.      596.      596.      596.     
#  7 8?% Treasury Loan 2007    GB0009126557 498.      498.      498.      498.      498.      498.      601.      601.      601.      601.      601.      601.     
#  8 7?% Treasury Stock 2007   GB0009997114 550.      550.      550.      550.      549.      549.      795.      795.      795.      795.      795.      795.     
#  9 5% Treasury Stock 2008    GB0031734154 557.      558.      558.      558.      558.      558.      873.      873.      873.      872.      872.      872.     
# 10 9% Treasury Loan 2008     GB0009128371   1.59      2.12     11.8      12.0      12.4      12.8      13.0      13.0      13.1      13.9      13.9       0.0442 
# # ... with 46 more rows

alldat[["2006-07"]]
# # A tibble: 59 x 14
#    ...1                      ...2         Apr..2006 May..2006  Jun..2006  Jul..2006  Aug..2006  Sep..2006  Oct..2006 Nov..2006 Dec..2006 Jan..2007 Feb..2007 Mar..2007
#    <chr>                     <chr>            <dbl>     <dbl>      <dbl>      <dbl>      <dbl>      <dbl>      <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>
#  1 7?% Treasury Stock 2006   GB0008916024 549.      549.       629.       629.       740.         0          0            0         0         0         0        0    
#  2 9?% Conversion Stock 2006 GB0009021956   0.00505   0.00505    0.00505    0.00505    0.00505    0.00705    0.00705      0         0         0         0        0    
#  3 7?% Treasury Stock 2006   GB0009998302 862.      862.      1175.      1175.      1175.      1388.      1664.        5159.        0         0         0        0    
#  4 4?% Treasury Stock 2007   GB0034040740 596.      596.       596.       596.       596.       596.       588.         668.      668.      668.     1597.       0    
#  5 8?% Treasury Loan 2007    GB0009126557 601.      601.       601.       601.       601.       601.       602.         602.      602.      602.      600.     600.   
#  6 7?% Treasury Stock 2007   GB0009997114 795.      795.       795.       795.       795.       795.       795.         795.      795.      795.      795.     795.   
#  7 5% Treasury Stock 2008    GB0031734154 873.      873.       873.       873.       873.       872.       864.         864.      864.      864.      865.     865.   
#  8 9% Treasury Loan 2008     GB0009128371   0.485     0.596      1.63       1.65       4.72      82.0       82.2         82.3      82.3     103.      104.       0.261
#  9 4% Treasury Stock 2009    GB0032785924 754.      754.       754.       754.       754.       754.       746.         745.      745.      745.      746.     746.   
# 10 8% Treasury Stock 2009    GB0009125369   2.12      4.24       4.31       4.48       4.64       4.75       4.83         5.88      5.98      6.76      6.88     0.189
# # ... with 49 more rows

注意:tablenames如果您更喜歡將其用作寬格式的幀串列,alldat[["2005-06"]]我會使用它,因此參考是有意義的。但是,您可以通過先旋轉將其組合到一個框架中(因為列名都不同)。試試這個作為起點:

library(dplyr)
library(tidyr) # pivot_longer
combined <- lapply(
  alldat,
  function(z) separate(pivot_longer(z, -(1:2)), name, c("month", "year"))
  ) %>%
  bind_rows()
combined
# # A tibble: 14,644 x 5
#    ...1                      ...2         month year    value
#    <chr>                     <chr>        <chr> <chr>   <dbl>
#  1 10?% Exchequer Stock 2005 GB0003270005 Apr   2005  0.00395
#  2 10?% Exchequer Stock 2005 GB0003270005 May   2005  0.00395
#  3 10?% Exchequer Stock 2005 GB0003270005 Jun   2005  0.00842
#  4 10?% Exchequer Stock 2005 GB0003270005 Jul   2005  0.00842
#  5 10?% Exchequer Stock 2005 GB0003270005 Aug   2005  0.00842
#  6 10?% Exchequer Stock 2005 GB0003270005 Sep   2005  0      
#  7 10?% Exchequer Stock 2005 GB0003270005 Oct   2005  0      
#  8 10?% Exchequer Stock 2005 GB0003270005 Nov   2005  0      
#  9 10?% Exchequer Stock 2005 GB0003270005 Dec   2005  0      
# 10 10?% Exchequer Stock 2005 GB0003270005 Jan   2006  0      
# # ... with 14,634 more rows
combined[10000:10010,]
# # A tibble: 11 x 5
#    ...1                   ...2         month year  value
#    <chr>                  <chr>        <chr> <chr> <dbl>
#  1 3?% Treasury Gilt 2020 GB00B582JV65 Jul   2017  1423.
#  2 3?% Treasury Gilt 2020 GB00B582JV65 Aug   2017  1423.
#  3 3?% Treasury Gilt 2020 GB00B582JV65 Sep   2017  1423.
#  4 3?% Treasury Gilt 2020 GB00B582JV65 Oct   2017  1423.
#  5 3?% Treasury Gilt 2020 GB00B582JV65 Nov   2017  1423.
#  6 3?% Treasury Gilt 2020 GB00B582JV65 Dec   2017  1423.
#  7 3?% Treasury Gilt 2020 GB00B582JV65 Jan   2018  1423.
#  8 3?% Treasury Gilt 2020 GB00B582JV65 Feb   2018  1423.
#  9 3?% Treasury Gilt 2020 GB00B582JV65 Mar   2018  1423.
# 10 1?% Treasury Gilt 2021 GB00BYY5F581 Apr   2017   349.
# 11 1?% Treasury Gilt 2021 GB00BYY5F581 May   2017   349.

You'll likely want to convert month and year into either a Date (mutate(date = as.Date(paste(year, month, "01"), format = "%Y %b %d"))) or at least into something sortable.

轉載請註明出處,本文鏈接:https://www.uj5u.com/shujuku/454418.html

標籤:r 数据框 dplyr

上一篇:mapply用于單個串列

下一篇:在r中創建具有第三個屬性的時間線

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • GPU虛擬機創建時間深度優化

    **?桔妹導讀:**GPU虛擬機實體創建速度慢是公有云面臨的普遍問題,由于通常情況下創建虛擬機屬于低頻操作而未引起業界的重視,實際生產中還是存在對GPU實體創建時間有苛刻要求的業務場景。本文將介紹滴滴云在解決該問題時的思路、方法、并展示最終的優化成果。 從公有云服務商那里購買過虛擬主機的資深用戶,一 ......

    uj5u.com 2020-09-10 06:09:13 more
  • 可編程網卡芯片在滴滴云網路的應用實踐

    **?桔妹導讀:**隨著云規模不斷擴大以及業務層面對延遲、帶寬的要求越來越高,采用DPDK 加速網路報文處理的方式在橫向縱向擴展都出現了局限性。可編程芯片成為業界熱點。本文主要講述了可編程網卡芯片在滴滴云網路中的應用實踐,遇到的問題、帶來的收益以及開源社區貢獻。 #1. 資料中心面臨的問題 隨著滴滴 ......

    uj5u.com 2020-09-10 06:10:21 more
  • 滴滴資料通道服務演進之路

    **?桔妹導讀:**滴滴資料通道引擎承載著全公司的資料同步,為下游實時和離線場景提供了必不可少的源資料。隨著任務量的不斷增加,資料通道的整體架構也隨之發生改變。本文介紹了滴滴資料通道的發展歷程,遇到的問題以及今后的規劃。 #1. 背景 資料,對于任何一家互聯網公司來說都是非常重要的資產,公司的大資料 ......

    uj5u.com 2020-09-10 06:11:05 more
  • 滴滴AI Labs斬獲國際機器翻譯大賽中譯英方向世界第三

    **桔妹導讀:**深耕人工智能領域,致力于探索AI讓出行更美好的滴滴AI Labs再次斬獲國際大獎,這次獲獎的專案是什么呢?一起來看看詳細報道吧! 近日,由國際計算語言學協會ACL(The Association for Computational Linguistics)舉辦的世界最具影響力的機器 ......

    uj5u.com 2020-09-10 06:11:29 more
  • MPP (Massively Parallel Processing)大規模并行處理

    1、什么是mpp? MPP (Massively Parallel Processing),即大規模并行處理,在資料庫非共享集群中,每個節點都有獨立的磁盤存盤系統和記憶體系統,業務資料根據資料庫模型和應用特點劃分到各個節點上,每臺資料節點通過專用網路或者商業通用網路互相連接,彼此協同計算,作為整體提供 ......

    uj5u.com 2020-09-10 06:11:41 more
  • 滴滴資料倉庫指標體系建設實踐

    **桔妹導讀:**指標體系是什么?如何使用OSM模型和AARRR模型搭建指標體系?如何統一流程、規范化、工具化管理指標體系?本文會對建設的方法論結合滴滴資料指標體系建設實踐進行解答分析。 #1. 什么是指標體系 ##1.1 指標體系定義 指標體系是將零散單點的具有相互聯系的指標,系統化的組織起來,通 ......

    uj5u.com 2020-09-10 06:12:52 more
  • 單表千萬行資料庫 LIKE 搜索優化手記

    我們經常在資料庫中使用 LIKE 運算子來完成對資料的模糊搜索,LIKE 運算子用于在 WHERE 子句中搜索列中的指定模式。 如果需要查找客戶表中所有姓氏是“張”的資料,可以使用下面的 SQL 陳述句: SELECT * FROM Customer WHERE Name LIKE '張%' 如果需要 ......

    uj5u.com 2020-09-10 06:13:25 more
  • 滴滴Ceph分布式存盤系統優化之鎖優化

    **桔妹導讀:**Ceph是國際知名的開源分布式存盤系統,在工業界和學術界都有著重要的影響。Ceph的架構和演算法設計發表在國際系統領域頂級會議OSDI、SOSP、SC等上。Ceph社區得到Red Hat、SUSE、Intel等大公司的大力支持。Ceph是國際云計算領域應用最廣泛的開源分布式存盤系統, ......

    uj5u.com 2020-09-10 06:14:51 more
  • es~通過ElasticsearchTemplate進行聚合~嵌套聚合

    之前寫過《es~通過ElasticsearchTemplate進行聚合操作》的文章,這一次主要寫一個嵌套的聚合,例如先對sex集合,再對desc聚合,最后再對age求和,共三層嵌套。 Aggregations的部分特性類似于SQL語言中的group by,avg,sum等函式,Aggregation ......

    uj5u.com 2020-09-10 06:14:59 more
  • 爬蟲日志監控 -- Elastc Stack(ELK)部署

    傻瓜式部署,只需替換IP與用戶 導讀: 現ELK四大組件分別為:Elasticsearch(核心)、logstash(處理)、filebeat(采集)、kibana(可視化) 下載均在https://www.elastic.co/cn/downloads/下tar包,各組件版本最好一致,配合fdm會 ......

    uj5u.com 2020-09-10 06:15:05 more
最新发布
  • day02-2-商鋪查詢快取

    功能02-商鋪查詢快取 3.商鋪詳情快取查詢 3.1什么是快取? 快取就是資料交換的緩沖區(稱作Cache),是存盤資料的臨時地方,一般讀寫性能較高。 快取的作用: 降低后端負載 提高讀寫效率,降低回應時間 快取的成本: 資料一致性成本 代碼維護成本 運維成本 3.2需求說明 如下,當我們點擊商店詳 ......

    uj5u.com 2023-04-20 08:33:24 more
  • MySQL中binlog備份腳本分享

    關于MySQL的二進制日志(binlog),我們都知道二進制日志(binlog)非常重要,尤其當你需要point to point災難恢復的時侯,所以我們要對其進行備份。關于二進制日志(binlog)的備份,可以基于flush logs方式先切換binlog,然后拷貝&壓縮到到遠程服務器或本地服務器 ......

    uj5u.com 2023-04-20 08:28:06 more
  • day02-短信登錄

    功能實作02 2.功能01-短信登錄 2.1基于Session實作登錄 2.1.1思路分析 2.1.2代碼實作 2.1.2.1發送短信驗證碼 發送短信驗證碼: 發送驗證碼的介面為:http://127.0.0.1:8080/api/user/code?phone=xxxxx<手機號> 請求方式:PO ......

    uj5u.com 2023-04-20 08:27:27 more
  • 快取與資料庫雙寫一致性幾種策略分析

    本文將對幾種快取與資料庫保證資料一致性的使用方式進行分析。為保證高并發性能,以下分析場景不考慮執行的原子性及加鎖等強一致性要求的場景,僅追求最終一致性。 ......

    uj5u.com 2023-04-20 08:26:48 more
  • sql陳述句優化

    問題查找及措施 問題查找 需要找到具體的代碼,對其進行一對一優化,而非一直把關注點放在服務器和sql平臺 降低簡化每個事務中處理的問題,盡量不要讓一個事務拖太長的時間 例如檔案上傳時,應將檔案上傳這一步放在事務外面 微軟建議 4.啟動sql定時執行計劃 怎么啟動sqlserver代理服務-百度經驗 ......

    uj5u.com 2023-04-20 08:26:35 more
  • 云時代,MySQL到ClickHouse資料同步產品對比推薦

    ClickHouse 在執行分析查詢時的速度優勢很好的彌補了MySQL的不足,但是對于很多開發者和DBA來說,如何將MySQL穩定、高效、簡單的同步到 ClickHouse 卻很困難。本文對比了 NineData、MaterializeMySQL(ClickHouse自帶)、Bifrost 三款產品... ......

    uj5u.com 2023-04-20 08:26:29 more
  • sql陳述句優化

    問題查找及措施 問題查找 需要找到具體的代碼,對其進行一對一優化,而非一直把關注點放在服務器和sql平臺 降低簡化每個事務中處理的問題,盡量不要讓一個事務拖太長的時間 例如檔案上傳時,應將檔案上傳這一步放在事務外面 微軟建議 4.啟動sql定時執行計劃 怎么啟動sqlserver代理服務-百度經驗 ......

    uj5u.com 2023-04-20 08:25:13 more
  • Redis 報”OutOfDirectMemoryError“(堆外記憶體溢位)

    Redis 報錯“OutOfDirectMemoryError(堆外記憶體溢位) ”問題如下: 一、報錯資訊: 使用 Redis 的業務介面 ,產生 OutOfDirectMemoryError(堆外記憶體溢位),如圖: 格式化后的報錯資訊: { "timestamp": "2023-04-17 22: ......

    uj5u.com 2023-04-20 08:24:54 more
  • day02-2-商鋪查詢快取

    功能02-商鋪查詢快取 3.商鋪詳情快取查詢 3.1什么是快取? 快取就是資料交換的緩沖區(稱作Cache),是存盤資料的臨時地方,一般讀寫性能較高。 快取的作用: 降低后端負載 提高讀寫效率,降低回應時間 快取的成本: 資料一致性成本 代碼維護成本 運維成本 3.2需求說明 如下,當我們點擊商店詳 ......

    uj5u.com 2023-04-20 08:24:03 more
  • day02-短信登錄

    功能實作02 2.功能01-短信登錄 2.1基于Session實作登錄 2.1.1思路分析 2.1.2代碼實作 2.1.2.1發送短信驗證碼 發送短信驗證碼: 發送驗證碼的介面為:http://127.0.0.1:8080/api/user/code?phone=xxxxx<手機號> 請求方式:PO ......

    uj5u.com 2023-04-20 08:23:11 more