Conversor online gratuito de ARFF para XLSX

Os arquivos ARFF são comuns em fluxos de trabalho de machine learning, mas os aplicativos de planilha geralmente não os abrem diretamente. Converter um arquivo para XLSX disponibiliza os registros para inspeção, filtragem, edição e compartilhamento no Excel ou no LibreOffice Calc.

O que é o formato ARFF

ARFF (Attribute-Relation File Format) é um formato de conjunto de dados baseado em texto associado ao toolkit de machine learning Weka. Um arquivo ARFF contém uma declaração @relation, definições @attribute que descrevem nomes e tipos de colunas, e uma seção @data contendo registros densos ou esparsos.

Weka, KEEL, softwares de pesquisa de machine learning e programas personalizados em Python ou Java criam arquivos ARFF. Normalmente, você os encontra em conjuntos de dados de classificação, clustering, benchmarking e educação. ARFF oferece suporte a valores numéricos, nominais, de string, de data e ausentes representados por ?.

O que é o formato XLSX

XLSX é o formato de planilha baseado em XML usado pelo Microsoft Excel e compatível com o LibreOffice Calc, a importação do Google Sheets e outros programas de planilha. Ele armazena valores tabulares em planilhas e oferece suporte a filtros, fórmulas, gráficos, formatação e várias planilhas.

XLSX é preferível quando as pessoas precisam revisar ou editar o conjunto de dados manualmente, enviá-lo a usuários sem Weka, arquivá-lo com documentos de escritório ou realizar análises baseadas em planilhas. A conversão normalmente coloca os atributos ARFF na primeira linha e os registros de dados nas linhas abaixo.

Como converter ARFF para XLSX na prática

Usando Python

Este método preserva a tabela de dados ARFF e processa registros nominais e esparsos por meio do parser liac-arff.

1. Instale os pacotes necessários:

python -m pip install liac-arff pandas openpyxl

2. Salve o conteúdo a seguir como 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. Coloque input.arff ao lado do script e execute:

python arff_to_xlsx.py

O output.xlsx resultante contém uma planilha com os nomes dos atributos como cabeçalhos de coluna. Para evitar que o Excel interprete incorretamente valores semelhantes a datas ou valores identificadores, inspecione as colunas resultantes e aplique os formatos numéricos necessários depois de abrir a pasta de trabalho.

Usando Weka e LibreOffice

O Weka pode primeiro exportar os dados ARFF para CSV, depois o LibreOffice Calc pode salvá-los como XLSX:

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

Abra output.csv no LibreOffice Calc, verifique o delimitador e a codificação de caracteres na caixa de diálogo de importação e, em seguida, escolha File → Save As, selecione Excel 2007–365 (*.xlsx) e salve a pasta de trabalho. Essa opção é útil quando o Weka já está instalado ou quando você deseja inspecionar o CSV exportado antes de criar a planilha.

Usando o conversor online

Para realizar a conversão sem instalar software, faça upload do arquivo ARFF para o conversor gratuito em 101convert.com e selecione XLSX como formato de saída. Baixe a pasta de trabalho gerada e verifique suas colunas e valores ausentes antes de utilizá-la para análise.

Limitações de qualidade e compatibilidade

XLSX não possui o modelo de relação e declaração de atributos do ARFF. O nome da relação, as listas de valores nominais, as declarações de formato de data, os comentários e os metadados de machine learning podem não aparecer na pasta de trabalho, a menos que sejam adicionados a uma planilha separada ou preservados no arquivo ARFF original.

Os valores ausentes podem permanecer como ?, tornar-se células vazias ou ser convertidos em um valor ausente específico da biblioteca. Confirme o resultado antes de importá-lo para outro programa. Os atributos nominais são exportados como valores comuns de célula; o XLSX não preserva automaticamente suas listas de valores permitidos.

O Excel pode reinterpretar automaticamente números inteiros longos, identificadores com zeros à esquerda, datas e notação científica. Importe essas colunas como texto ou aplique um formato explícito quando a representação exata dos caracteres for importante. O XLSX também tem um limite de 1.048.576 linhas e 16.384 colunas por planilha; conjuntos de dados ARFF maiores exigem divisão ou outro formato de dados.