Convertitore online gratuito da ARFF a XLSX

I file ARFF sono comuni nei flussi di lavoro di machine learning, ma le applicazioni per fogli di calcolo generalmente non li aprono direttamente. La conversione in XLSX rende i record disponibili per l'ispezione, il filtraggio, la modifica e la condivisione in Excel o LibreOffice Calc.

Che cos'è il formato ARFF

ARFF (Attribute-Relation File Format) è un formato di dataset basato su testo associato al toolkit di machine learning Weka. Un file ARFF contiene una dichiarazione @relation, definizioni @attribute che descrivono i nomi e i tipi delle colonne e una sezione @data contenente record densi o sparsi.

Weka, KEEL, i software di ricerca di machine learning e i programmi personalizzati in Python o Java creano file ARFF. In genere si incontrano nella classificazione, nel clustering, nel benchmarking e nei dataset didattici. ARFF supporta valori numerici, nominali, stringa, data e mancanti rappresentati da ?.

Che cos'è il formato XLSX

XLSX è il formato per fogli di calcolo basato su XML utilizzato da Microsoft Excel e supportato da LibreOffice Calc, dall'importazione in Google Sheets e da altri programmi per fogli di calcolo. Memorizza i valori tabellari nei fogli di lavoro e supporta filtri, formule, grafici, formattazione e più fogli.

XLSX è preferibile quando è necessario che gli utenti esaminino o modifichino manualmente il dataset, lo inviino a utenti senza Weka, lo archivino con documenti per ufficio o eseguano analisi basate su fogli di calcolo. La conversione normalmente inserisce gli attributi ARFF nella prima riga e i record di dati nelle righe sottostanti.

Come convertire effettivamente ARFF in XLSX

Utilizzo di Python

Questo metodo conserva la tabella di dati ARFF e gestisce i record nominali e sparsi tramite il parser liac-arff.

1. Installare i pacchetti richiesti:

python -m pip install liac-arff pandas openpyxl

2. Salvare quanto segue come arff_to_xlsx.py:

import arff
import pandas as pd

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

columns = [attribute[0] for attribute in dataset['attributes']]
frame = pd.DataFrame(dataset['data'], columns=columns)
frame.to_excel('output.xlsx', index=False, engine='openpyxl')

3. Inserire input.arff accanto allo script ed eseguire:

python arff_to_xlsx.py

Il file output.xlsx risultante contiene un foglio di lavoro con i nomi degli attributi come intestazioni delle colonne. Per evitare che Excel interpreti in modo errato valori simili a date o valori identificativi, esaminare le colonne risultanti e applicare i formati numerici richiesti dopo aver aperto la cartella di lavoro.

Utilizzo di Weka e LibreOffice

Weka può prima esportare i dati ARFF in CSV, dopodiché LibreOffice Calc può salvarli come XLSX:

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

Aprire output.csv in LibreOffice Calc, verificare il delimitatore e la codifica dei caratteri nella finestra di dialogo per l'importazione, quindi scegliere File → Save As, selezionare Excel 2007–365 (*.xlsx) e salvare la cartella di lavoro. Questo percorso è utile quando Weka è già installato o quando si desidera esaminare il CSV esportato prima di creare il foglio di calcolo.

Utilizzo del convertitore online

Per una conversione senza installare software, caricare il file ARFF nel convertitore gratuito di 101convert.com e selezionare XLSX come formato di output. Scaricare la cartella di lavoro generata e controllare le colonne e i valori mancanti prima di utilizzarla per l'analisi.

Limiti di qualità e compatibilità

XLSX non dispone del modello di relazione e dichiarazione degli attributi di ARFF. Il nome della relazione, gli elenchi dei valori nominali, le dichiarazioni dei formati di data, i commenti e i metadati di machine learning potrebbero non comparire nella cartella di lavoro, a meno che non vengano aggiunti a un foglio di lavoro separato o conservati nel file ARFF originale.

I valori mancanti possono rimanere come ?, diventare celle vuote o essere convertiti in un valore mancante specifico della libreria. Confermare il risultato prima di importarlo in un altro programma. Gli attributi nominali vengono esportati come normali valori delle celle; XLSX non conserva automaticamente i relativi elenchi di valori consentiti.

Excel potrebbe reinterpretare automaticamente numeri interi lunghi, identificativi con zeri iniziali, date e notazione scientifica. Importare tali colonne come testo o applicare un formato esplicito quando è importante mantenere la rappresentazione esatta dei caratteri. XLSX ha inoltre un limite di 1.048.576 righe e 16.384 colonne per foglio di lavoro; i dataset ARFF più grandi richiedono una suddivisione o un altro formato di dati.