Convertitore online gratuito da ARFF a CSV

Un foglio di calcolo, un importatore di database o un programma di analisi dei dati potrebbe richiedere una tabella CSV semplice invece di un dataset Weka. La conversione ne migliora la compatibilità e la modifica, ma CSV non può conservare tutte le informazioni sullo schema memorizzate nell'intestazione ARFF.

Cos'è il formato ARFF

ARFF (Attribute-Relation File Format) è un formato di dataset in testo semplice utilizzato principalmente da Weka e dagli strumenti di machine learning compatibili con Weka. Un tipico file .arff contiene una dichiarazione @RELATION, definizioni @ATTRIBUTE e una sezione @DATA contenente i record.

Le dichiarazioni degli attributi possono definire valori numerici, nominali, stringa, data e valori relazionali Weka. Ad esempio, @ATTRIBUTE class {yes,no} identifica un campo categoriale ed elenca i valori consentiti. ARFF supporta inoltre record sparsi, commenti, valori mancanti comunemente rappresentati da ? e altri metadati che descrivono il dataset.

Gli utenti di Weka incontrano ARFF quando scaricano dataset di machine learning, esportano dati da Weka Explorer o scambiano dataset con software che comprende il formato.

Cos'è il formato CSV

CSV (comma-separated values) rappresenta una tabella come record su righe separate, con campi separati da un delimitatore, normalmente una virgola. La prima riga contiene spesso i nomi delle colonne, sebbene CSV non richieda un'intestazione né definisca uno schema universale.

Le applicazioni per fogli di calcolo, gli importatori di database, Python, R, i software statistici e i portali di dati accettano comunemente CSV. È facile da ispezionare e modificare come testo, ma non dispone di uno spazio standard per i nomi delle relazioni ARFF, i tipi di dati dichiarati, gli elenchi di valori nominali, gli attributi di classe, i commenti o la notazione delle righe sparse.

Convertire con Weka

1. Installa e apri Weka, quindi avvia Explorer.
2. Nella scheda Preprocess, seleziona Open file... e scegli il file .arff.
3. Controlla gli attributi visualizzati, i tipi, il numero di istanze, l'impostazione della classe e i valori mancanti.
4. Seleziona Save..., scegli il formato di file di dati CSV nella finestra di salvataggio, se necessario, e salva il risultato come output.csv.
5. Apri il CSV in un editor di testo o nel programma di destinazione e verifica l'intestazione, il numero di righe, il delimitatore, la codifica e la rappresentazione dei valori mancanti.

Per conversioni ripetibili, esegui il CSV saver di Weka da un terminale. Sostituisci il percorso del JAR con la posizione dell'installazione di Weka:

java -cp /path/to/weka.jar weka.core.converters.CSVSaver -i input.arff -o output.csv

Racchiudi tra virgolette i percorsi Windows contenenti spazi, ad esempio "C:\Program Files\Weka-3-8\weka.jar". Con alcune versioni potrebbe essere necessario un launcher di Weka o un classpath specifico dell'installazione.

Convertire con Python

pandas non analizza nativamente ARFF. Per un file standard denso, installa un parser ARFF e pandas, quindi crea un DataFrame dagli attributi e dai record analizzati:

pip install liac-arff pandas

import arff
import pandas as pd

with open("input.arff", encoding="utf-8") as source:
    dataset = arff.load(source)

columns = [name for name, _ in dataset["attributes"]]
pd.DataFrame(dataset["data"], columns=columns).to_csv("output.csv", index=False)

Verifica attentamente il risultato quando il file contiene istanze sparse, attributi relazionali, virgolette insolite, date o funzionalità specifiche del parser. Weka è generalmente la scelta più sicura per i file ARFF specifici di Weka.

Utilizzare il convertitore online integrato

Puoi convertire gratuitamente un file su 101convert.com senza installare software: carica il file ARFF, seleziona CSV come formato di output, avvia la conversione e scarica il risultato. Non caricare dataset riservati, personali, medici, finanziari o proprietari, a meno che le attuali condizioni di gestione e cancellazione del servizio non soddisfino i tuoi requisiti.

Controllare il file convertito

• Lo schema non viene preservato: conserva il file ARFF originale oppure registra separatamente il nome della relazione, i tipi degli attributi, gli elenchi di valori nominali, l'attributo di classe, i formati delle date e gli altri metadati.
• I valori mancanti possono cambiare significato: ARFF utilizza comunemente ?, mentre la destinazione potrebbe aspettarsi un campo vuoto, NA o NULL. Conferma le impostazioni di importazione della destinazione prima di sostituire qualsiasi indicatore.
• Le righe sparse richiedono un'espansione: una riga CSV deve contenere un campo per ogni colonna, quindi un convertitore espande i record ARFF sparsi secondo le regole di analisi di ARFF. Verifica i valori omessi, soprattutto negli attributi non numerici.
• I valori vengono racchiusi tra virgolette secondo le regole CSV: i campi contenenti virgole, virgolette o interruzioni di riga devono essere sottoposti a escape e racchiusi tra virgolette. Non effettuare la conversione sostituendo le virgole o dividendo le righe con comandi di testo di base.
• I tipi devono essere riassegnati: i valori numerici, di data e nominali diventano campi CSV privi di tipo. Un'applicazione ricevente potrebbe dedurli in modo errato e un valore nominale come yes non conserva più il relativo elenco di categorie dichiarato.
• La codifica e i delimitatori variano: conserva UTF-8 per il testo non ASCII e utilizza la finestra di importazione dell'applicazione di destinazione per selezionare la virgola, il punto e virgola o un altro delimitatore se l'intero file appare in un'unica colonna.