13.3.3 获取指标

获取有关国家或地区的数据，需要使用世界银行服务的不同函数，函数的路径是 /countries/indicators，可以在 Data Calls 选项卡的 Query Generator（查询生成器）中找到，它能够请求指定国家在特定时间段的有关指标数据。我们不必单独下载每个感兴趣的地区数据，可以一次性地获得所有国家的信息，在内存中进行处理。以这种方式可以下载更多的数据，而请求的数量较少，因为我们不必为每个地区创建请求。
我们还遵循以前的模式，首先下载部分示例数据，然后，使用我们自己的 XML 查询函数进行验证。清单 13.11 显示了如何下载国家的森林覆盖率指标，这项指标的键值为 AG.LND.FRST.ZS，要得到这个值，最好的办法是在查询生成器中模拟查询。我们将下载 1990 年的数据，并请求数据集的第一页。

清单 13.11 获得地区的森林覆盖率（交互式 F#）

> let ind = "AG.LND.FRST.ZS"  | 指定 1990 年地区
   let date = "1990:1990"     | 森林数据的第一页
   let page = 1              |
   let props =
     [ "countries","indicators"; ind ]
     [ "date",date; "page",string(page) ];;
(...)

> let doc = Async.RunSynchronously(worldBankRequest(props))  | [1] 获得数据，
printfn "%s..." (doc.ToString().Substring(0,301));;              | 输出
val doc : XDocument
<wb:data xmlns:wb="http://www.worldbank.org"
page="1" pages="3" per_page="100" total="231">
<wb:data>
<wb:indicator id="AG.LND.FRST.ZS">Forest area (% ...</wb:indicator>
<wb:country id="AW">Aruba</wb:country>
<wb:value></wb:value>
<wb:date>1990</wb:date>
</wb:data>...

> doc |> xnested [ "data" ]    | 读页数
     |> xattr "pages" |> int;;    |
val it : int = 3

> doc |> xnested [ "data"; "data"; "country" ]  | 读第一个国家的 ID
     |> xvalue;;                           |
val it : string = "Aruba"

清单 13.11 首先定义了一组属性，这是为了创建请求所需要的；然后，用这些属性创建一个列表，这是 worldBankRequest 函数的参数。文档下载之后，我们要浏览一下结构，因此，要转换成字符串，输出前面几行[1]。输出的结果表明，整个数据集有三页；每个国家的信息嵌套在 data 元素中，包含国家的名字和 ID，以及日期（原文 data 有误，应该是 date）信息和实际值。第一个国家没有这个值，所以，在解析数据时，必须要仔细处理这种情况。
接下来两个表达式很简单。首先，需要知道页数[2]，这样，才能下载所有数据；第二个表达式读第一个国家名[3]，在后面会需要，我们希望用它匹配上一节收集的地区名。
熟悉了数据结构之后，就可以写函数，下载所需的内容了。清单 13.12 是一个异步的工作流，循环运行直至获得所有页面。我们没有并行下载页面，因为这稍微有点难；但是，对于不同指标和不同年份，我们在函数中实现了并行，因此，最终也会有足够的并行度。

清单13.12 异步下载所有指标 (F#)

let rec getIndicatorData(date,indicator,page) = async {
  let args = [ "countries"; "indicators"; ind ],[ "date",date; "page",string(page)]
  let! doc = worldBankRequest args

  let pages =
    doc |> xnested [ "data" ]    | [1] 得到页数
          |> xattr "pages" |> int   |
  if (pages = page) then
    return [doc]            <-- [2] 返回最后的页面
  else
    let page = page + 1
    let! rest = getIndicatorData(date,page)  <-- [3] 下载其余的页面
    return doc::rest }

函数（getIndicatorData）有三个参数，日期、指标以及所需的页数，用它们来生成参列表，作为 worldBankRequest 函数的参数。得到 XML 以后，我们读出数据集总页数的特性[1]；如果当前处理的是最后一页，就返回包含当前页的列表，其中只有一个元素 [2]；否则，继续下载其余页面。注意，函数是用 let rec 声明的，所以，可以递归地调用这个函数，获得剩余页面[3]。因为是在异步工作流的内部，所以使用了 let!。得到了其余页面的列表以后，就可以把下载的页面合并起来，结果就返回所有的页面。
在进一步操作之前，我们应该用交互式 F# 来验证函数能否正确运行。用指标为 AG.LND.FRST.ZS，年度范围 1990:1990，页数为 1 生成请求，使用 Async.RunSynchronously 运行工作流，应该得到包含所有国家和地区数据的三个页面。
现在，我们要介绍一下并行度（parallelism），下载我们感兴趣的所有年度的所有指标。我们使用 Async.Parallel 基本操作，因此，需要创建异步工作流的序列。清单 13.13 中的代码通过使用简单的序列表达式，调用 getIndicatorData 函数，组合所有参数来实现。别忘了，调用 getIndicatorData 并不执行读取，它只返回能够进行读取的工作流。

清单13.13 并行下载多年的多指标 (F#)

let downloadAll = seq {
  for ind in [ "AG.SRF.TOTL.K2"; "AG.LND.FRST.ZS" ] do           | [1]
    for year in [ "1990:1990"; "2000:2000"; "2005:2005" ] do      |
      yield getIndicatorData(year,ind,1) }

let data = Async.RunSynchronously(Async.Parallel(downloadAll))    [2]

脚本首先为我们感兴趣的指标和年度的组合生成工作流[1]，然后，再把所有的工作流组合成并行运行的一个工作流，再同步运行，下载所有数据[2]。
序列表达式首先迭代两个指标，第一个指标表示国家或地区总面积，以平方公里计，第二个指标是森林覆盖的百分比，在前面我们已经看到过。如果在世界银行的网站上浏览数据的话，可以看到，森林覆盖指标只提供了三个不同年份，因此，嵌套循环只遍历这些年份。对于这些参数的每种组合，我们都创建（产生）一个工作流，开始运行下载第一页。
这样，我们会得到总共六个任务，其中每一个任务都可能下载多个页面；我们把所有任务组合成一个工作流，使用 Async.RunSynchronously 运行组合的工作流，返回包含这六个结果的数组。下载要花一些时间，正如我们前面讨论的，某些请求可能会失败，然后重新启动。我们得到的结果 data 值，类型是 array<list<XDocument>>@H_404_174@数组，返回指标-年每种组合的页面列表。因为我们使用的是 F# 脚本，所以不用考虑把设置，比如年和指标，放到配置文件中。此刻，我们写代码只有一个目的，（就是进行验证），以后可以进行修改，使它变得更通用，在今后的开发中会用到。得到了所需要的数据以后，我们就要用它来做一些有用的事情。

13.3.3 获取指标

猜你在找的XML相关文章