- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我已经成功地抓取了我想要的数据(在 SO 用户的帮助下),但是我遗漏了每个抓取表中的数据代表谁的关键。所以我试图使用 mutate 添加一个名为 player 的字段,它与 player[[j]] 相同,但这在列表上不起作用。我已经阅读了 lapply 并尝试过但也没有成功。关于如何实现这一点有什么建议吗?
library(rvest)
library(plyr)
library(dplyr)
library(tidyr)
### get a list of players
page <- (0:18)
urls <- list()
for (i in 1:length(page)) {
url<- paste0("https://www.mlssoccer.com/players?page=",page[i])
urls[[i]] <- url
}
tbl <- list()
j <- 1
for (j in seq_along(urls)) {
tbl[[j]] <- urls[[j]] %>%
read_html() %>%
html_nodes("a.name_link") %>%
html_text()
j <- j+1
if (j == length(urls)) break
}
### join all of the names into one data frame
tbl <- ldply(tbl, data.frame)
player_tb<- as.data.frame(lapply(tbl, tolower))
colnames(player_tb) <- 'name'
player_table<- as.list(gsub(" ", "-", player_tb$name))
colnames(player_table) <- 'player'
#### using a list of players, get the game summary for each regular season game, adding the player name to the table
pages<- list()
for( i in seq_along(player_table)) {
page <- paste0("https://www.mlssoccer.com/players/",player_table[i])
pages[[i]] <- page
}
player_stats <- list()
j <- 1
for (j in seq_along(pages)) {
player_stats[[j]] <- pages[[j]] %>%
read_html() %>%
html_nodes("table") %>%
html_table() %>%
mutate(player = player) ## this is the piece that fails
j <- j+1
if (j == length(pages)) break
}
t <- do.call(rbind, player_stats)
最佳答案
您可以尝试使用 purrr
包来避免 for
循环并加快速度
使用 purrr
,您还可以safely
、possibly
和 quietly
这些非常酷的功能。有些玩家没有统计数据,您的代码会失败。现在不会了
这个想法是在一个大数据框中收集所有统计数据,并有一个带有玩家名字的标识符列
library(rvest)
library(tidyverse)
# lets assume 3 pages only to do it quickly
page <- (0:2)
# no need to create a list. Just a vector
urls = paste0("https://www.mlssoccer.com/players?page=", page)
# define this function that collects the player's name from a url
get_the_names = function( url){
url %>%
read_html() %>%
html_nodes("a.name_link") %>%
html_text()
}
# map the urls to the function that gets the names
players = map(urls, get_the_names) %>%
# turn into a single character vector
unlist() %>%
# make lower case
tolower() %>%
# replace the `space` to underscore
str_replace_all(" ", "-")
# Now create a vector of player urls
player_urls = paste0("https://www.mlssoccer.com/players/", players )
# define a function that reads the 3rd table of the url
get_the_summary_stats <- function(url){
url %>%
read_html() %>%
html_nodes("table") %>%
html_table() %>% .[[3]]
}
# lets read 3 players only to speed things up [otherwise it takes a significant amount of time to run...]
a_few_players = player_urls[1:3]
# get the stats
tables = a_few_players %>%
# important step so I can name the rows I get in the table
set_names() %>%
#map the player urls to the function that reads the 3rd table
# note the `safely` wrap around the get_the_summary_stats' function
# since there are players with no stats and causes an error (eg.brenden-aaronson )
# the output will be a list of lists [result and error]
map(., safely(get_the_summary_stats)) %>%
# collect only the `result` output (the table) INTO A DATA FRAME
# There is also an `error` output
# also, name each row with the players name
map_df("result", .id = "player") %>%
#keep only the player name (remove the www.mls.... part)
mutate(player = str_replace(player, "https://www.mlssoccer.com/players/", "")) %>%
as_tibble()
让我们看看我们得到了多少
tables %>% count(player)
# A tibble: 2 x 2
player n
<chr> <int>
1 anatole-abang 81
2 saad-abdul-salaam 136
现在您可以按玩家名称过滤数据框
tables %>%
filter(player == "anatole-abang")
# A tibble: 81 x 14
player Date Match Result Appearance MINS G A SHTS SOG FC FS Y R
<chr> <chr> <chr> <chr> <chr> <int> <int> <int> <int> <int> <int> <int> <int> <int>
1 anatole-abang 10/28/2018 ORL @ RBNY W 0-1 Unused Sub 0 0 0 0 0 0 0 0 0
2 anatole-abang 10/21/2018 RBNY @ PHI W 1-0 Unused Sub 0 0 0 0 0 0 0 0 0
3 anatole-abang 10/06/2018 RBNY @ SJ W 3-1 Unused Sub 0 0 0 0 0 0 0 0 0
4 anatole-abang 9/30/2018 ATL @ RBNY W 0-2 Unused Sub 0 0 0 0 0 0 0 0 0
5 anatole-abang 9/22/2018 TOR @ RBNY W 0-2 Unused Sub 0 0 0 0 0 0 0 0 0
6 anatole-abang 9/16/2018 RBNY @ DC T 3-3 Unused Sub 0 0 0 0 0 0 0 0 0
7 anatole-abang 9/01/2018 RBNY @ MTL L 0-3 Unused Sub 0 0 0 0 0 0 0 0 0
8 anatole-abang 8/29/2018 HOU @ RBNY W 0-1 Unused Sub 0 0 0 0 0 0 0 0 0
9 anatole-abang 8/26/2018 DC @ RBNY W 0-1 Unused Sub 0 0 0 0 0 0 0 0 0
10 anatole-abang 8/22/2018 RBNY @ NYC T 1-1 Unused Sub 0 0 0 0 0 0 0 0 0
# ... with 71 more rows
关于r - 使用 rvest 将字段添加到已抓取的表列表中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53824826/
我正在从 Stata 迁移到 R(plm 包),以便进行面板模型计量经济学。在 Stata 中,面板模型(例如随机效应)通常报告组内、组间和整体 R 平方。 I have found plm 随机效应
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 6年前关闭。 Improve this qu
我想要求用户输入整数值列表。用户可以输入单个值或一组多个值,如 1 2 3(spcae 或逗号分隔)然后使用输入的数据进行进一步计算。 我正在使用下面的代码 EXP <- as.integer(rea
当 R 使用分类变量执行回归时,它实际上是虚拟编码。也就是说,省略了一个级别作为基础或引用,并且回归公式包括所有其他级别的虚拟变量。但是,R 选择了哪一个作为引用,以及我如何影响这个选择? 具有四个级
这个问题基本上是我之前问过的问题的延伸:How to only print (adjusted) R-squared of regression model? 我想建立一个线性回归模型来预测具有 15
我在一台安装了多个软件包的 Linux 计算机上安装了 R。现在我正在另一台 Linux 计算机上设置 R。从他们的存储库安装 R 很容易,但我将不得不使用 安装许多包 install.package
我正在阅读 Hadley 的高级 R 编程,当它讨论字符的内存大小时,它说: R has a global string pool. This means that each unique strin
我们可以将 Shiny 代码写在两个单独的文件中,"ui.R"和 "server.R" , 或者我们可以将两个模块写入一个文件 "app.R"并调用函数shinyApp() 这两种方法中的任何一种在性
我正在使用 R 通过 RGP 包进行遗传编程。环境创造了解决问题的功能。我想将这些函数保存在它们自己的 .R 源文件中。我这辈子都想不通怎么办。我尝试过的一种方法是: bf_str = print(b
假设我创建了一个函数“function.r”,在编辑该函数后我必须通过 source('function.r') 重新加载到我的全局环境中。无论如何,每次我进行编辑时,我是否可以避免将其重新加载到我的
例如,test.R 是一个单行文件: $ cat test.R # print('Hello, world!') 我们可以通过Rscript test.R 或R CMD BATCH test.R 来
我知道我可以使用 Rmd 来构建包插图,但想知道是否可以更具体地使用 R Notebooks 来制作包插图。如果是这样,我需要将 R Notebooks 编写为包小插图有什么不同吗?我正在使用最新版本
我正在考虑使用 R 包的共享库进行 R 的站点安装。 多台计算机将访问该库,以便每个人共享相同的设置。 问题是我注意到有时您无法更新包,因为另一个 R 实例正在锁定库。我不能要求每个人都关闭它的 R
我知道如何从命令行启动 R 并执行表达式(例如, R -e 'print("hello")' )或从文件中获取输入(例如, R -f filename.r )。但是,在这两种情况下,R 都会运行文件中
我正在尝试使我当前的项目可重现,因此我正在创建一个主文档(最终是一个 .rmd 文件),用于调用和执行其他几个文档。这样我自己和其他调查员只需要打开和运行一个文件。 当前设置分为三层:主文件、2 个读
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 想改进这个问题?将问题更新为 on-topic对于堆栈溢出。 5年前关闭。 Improve this qu
我的 R 包中有以下描述文件 Package: blah Title: What the Package Does (one line, title case) Version: 0.0.0.9000
有没有办法更有效地编写以下语句?accel 是一个数据框。 accel[[2]]<- accel[[2]]-weighted.mean(accel[[2]]) accel[[3]]<- accel[[
例如,在尝试安装 R 包时 curl作为 usethis 的依赖项: * installing *source* package ‘curl’ ... ** package ‘curl’ succes
我想将一些软件作为一个包共享,但我的一些脚本似乎并不能很自然地作为函数运行。例如,考虑以下代码块,其中“raw.df”是一个包含离散和连续类型变量的数据框。函数“count.unique”和“squa
我是一名优秀的程序员,十分优秀!