不知道如何分离我抓取的一列数据

Posted 2023-02-24

【中文标题】不知道如何分离我抓取的一列数据

【英文标题】：Not sure how to separate a column of data that I scraped

【发布时间】：2019-07-09 03:04:57

【问题描述】：

我从 espn 网站上从奥尔巴尼女子篮球队的赛程中抓取数据，输赢列的格式如下：W 77-70，这意味着奥尔巴尼以 77-70 获胜。我想将其分开，以便一列显示奥尔巴尼得分多少，以及对手得分多少。

这是我的代码，不知道下一步该做什么：

library(rvest)
library(stringr)
library(tidyr)

w.url <- "http://www.espn.com/womens-college-basketball/team/schedule/_/id/399"
webpage <- read_html(w.url)

w_table <- html_nodes(webpage, 'table')
w <- html_table(w_table)[[1]]
head(w)

w <- w[-(1:2), ]
names(w) <- c("Date", "Opponent", "Score", "Record")
head(w)

【参考方案1】：

您可以先使用grepl 函数将那些没有提供实际结果的行修剪掉，然后使用正则表达式获取特定信息：

w <- w[grepl("-", w$Score),]

gsub("^([A-Z])([0-9]+)-([0-9]+).*", "\\1,\\2,\\3", w$Score) %>% 
  strsplit(., split = ",") %>%
  lapply(function(x)
    data.frame( 
      result  = x[1],
      oponent = ifelse(x[1] == "L", x[2], x[3]),
      albany  = ifelse(x[1] == "W", x[2], x[3])
    )
  ) %>%
  do.call('rbind',.) %>% 
  cbind(w,.) -> w2

head(w2)
#         Date           Opponent  Score    Record result oponent albany
#3  Fri, Nov 9 @#22 South Florida L74-37 0-1 (0-0)      L      74     37
#4 Mon, Nov 12           @Cornell L48-34 0-2 (0-0)      L      48     34
#5 Wed, Nov 14        vsManhattan W60-54 1-2 (0-0)      W      54     60
#6 Sun, Nov 18           @Rutgers L65-39 1-3 (0-0)      L      65     39
#7 Wed, Nov 21          @Monmouth L64-56 1-4 (0-0)      L      64     56
#8 Sun, Nov 25       vsHoly Cross L56-50 1-5 (0-0)      L      56     50

【参考方案2】：

我就是这样做的。基本上，使用 sub 来提取 Win 或 Loss 值，具体取决于 Albany 是赢还是输。无论奥尔巴尼是赢还是输，赢家都列在第一位。所以 ifelse 函数是必要的。 "\1" 捕获括号中的数字。

w<-w[1:24,]
w$Albany<-ifelse(substr(w$Score,1,1)=='W',sub('W(\\d+)-\\d+','\\1',w$Score),sub('L\\d+-(\\d+)','\\1',w$Score))
w$Opponent_Team<-ifelse(substr(w$Score,1,1)=='W',sub('W\\d+-(\\d+)','\\1',w$Score),sub('L(\\d+)-\\d+','\\1',w$Score))

head(w)
      Date           Opponent  Score    Record Albany Opponent_Team
3  Fri, Nov 9 @#22 South Florida L74-37 0-1 (0-0)     37            74
4 Mon, Nov 12           @Cornell L48-34 0-2 (0-0)     34            48
5 Wed, Nov 14        vsManhattan W60-54 1-2 (0-0)     60            54
6 Sun, Nov 18           @Rutgers L65-39 1-3 (0-0)     39            65
7 Wed, Nov 21          @Monmouth L64-56 1-4 (0-0)     56            64
8 Sun, Nov 25       vsHoly Cross L56-50 1-5 (0-0)     50            56




           ````