R Веб-парсинг?

Я работаю над заданием по очистке веб-страниц на следующем веб-сайте:

http://gomason.com/schedule.aspx?path=mbball

Меня просят подсчитать средний балл мужской команды (только Мейсон), когда они выиграли игру и когда они проиграли игру.

Счет каждой игры указан справа в каждой строке в формате «счет Мэйсона - счет соперника». Например, первая игра в списке имеет счет 67-65. Используя инструмент SelectorGadget, я определил селектор CSS, необходимый для очистки этой информации, а затем написал код, который очищает эту информацию. В этом векторе есть 33 элемента данных. Я использовал функцию own (), чтобы отделить оценку Мэйсона от оценки оппонента.

Я пробовал несколько вещей, но это дает мне следующую ошибку:

mens_bb <- read_html("http://gomason.com/schedule.aspx?path=mbball", na = c("NA")) 

mens_scores <- mens_bb %>%
html_nodes("div.sidearm-schedule-game-result span:nth-child(3)") %>%
html_text()
as.numeric()
as.double()

mens_df <- data_frame(
  date = mens_dates, time = mens_times, opponent = mens_opponents, location = mens_locations, score = mens_scores, win_loss = mens_win_loss)

mens_df$score <- as.numeric(mens_df$score)       
mens_df$score <- as.double(mens_df$score)

NAs introduced by coercion

mens_df %>% separate(score, c("Mason’s score", "Opponent’s score"), sep = "\\-") 

mens_average <- mean(score, na = c("NA")) 

argument is not numeric or logical: returning NA

Теперь он перечислил все оценки как NA, а переменная оценка сохраняется как тип chr. Как я мог это решить?

Вот как выглядит mens_df до разделения значений очков:

Observations: 33
Variables: 6
$ date     <chr> "Nov 10 (Fri)", "Nov 12 (Sun)", "Nov 16 (Thu)", "No...
$ time     <chr> "7:00 p.m. ", "2:00 p.m. ", "7:00 p.m. ", "6:00 p.m...
$ opponent <chr> "Lafayette ", "Louisville", "Binghamton ", "CSUN", ...
$ location <chr> "Fairfax, Va.", "Louisville, Ky.", "Fairfax, Va. ",...
$ score    <chr> "67-65", "61-72", "69-57", "78-73", "64-77", "73-79...
$ win_loss <chr> "W", "L", "W", "W", "L", "L", "W", "L", "L", "W", "...
mens_scores никогда не кладется ни в что после соскабливания, а что есть в mens_df? Вы можете привести воспроизводимый пример?
Shique 16.04.2018 12:00

Я представил редакции.

Reeza 16.04.2018 12:14
Стоит ли изучать PHP в 2026-2027 годах?
Стоит ли изучать PHP в 2026-2027 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
2
90
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Вы слишком рано звоните в as.numeric(), так как в счете все еще есть тире ('-'). Вот почему вы получаете NA.

Вы можете сделать следующее: (Я создал новый фрейм данных, содержащий только оценки).

library(rvest)
mens_bb <- read_html("http://gomason.com/schedule.aspx?path=mbball", na = c("NA")) 

mens_scores <- mens_bb %>%
  html_nodes("div.sidearm-schedule-game-result span:nth-child(3)") %>%
  html_text()

library(tidyr)
mens_df1 <- data.frame(mens_scores)
mens_df1 <- mens_df %>% separate(mens_scores, c("Mason_score", "Opponent_score"), sep = "\\-")
mens_df1$Mason_score <- as.numeric(mens_df1$Mason_score)
mens_average <- mean(mens_df1$Mason_score)
#71.84848

Вы должны сделать разделение перед преобразованием в numeric. Например, следующее даст вам желаемый результат.

mens_df <- data.frame(mens_scores)
mens_df %>% separate(mens_scores, c("Mason’s score", "Opponent’s score"), sep = "-") %>%
  mutate_all(as.numeric) %>% summarise_all(mean)

#   Mason’s score Opponent’s score
# 1         71.85            75.67
Ответ принят как подходящий
library(rvest)
library(tidyverse)

# read webpage/ extract only container with relevant info 
bb_mason <- read_html("http://gomason.com/schedule.aspx?path=mbball")  %>% 
            xml_find_all(".//ul[@class = 'sidearm-schedule-games-container']")

# vector with xpath to extract required info
bb_xpath <- c(opponent = ".//span[@class = 'sidearm-schedule-game-opponent-name']/a",
       location = ".//div[@class = 'sidearm-schedule-game-location']/span[1]",
       result = ".//div[@class = 'sidearm-schedule-game-result text-italic']/span[2]",
       score = ".//div[@class = 'sidearm-schedule-game-result text-italic']/span[3]")

# sapply all xpath values, fetch information, and store in data frame tibble
bb_df <- tbl_df(
             sapply(bb_xpath, function(x) { 
                                    bb_mason %>% 
                                      xml_find_all(x) %>%
                                      xml_text(trim = T) }))

# separate scores, replace values in result column with more appropriate values,
# convert to numeric, and calculate average
bb_df %>% 
  separate("score", c("mason", "opp"), sep = "-") %>% 
  mutate(mason = as.numeric(mason), 
         opp = as.numeric(opp),
         result = plyr::mapvalues(result, c("W,", "L,"), c("Won", "Lost"))) %>% 
  group_by(result) %>% 
  summarize(avg.score = mean(mason))

Конечный результат:

#  A tibble: 2 x 2
#   result avg.score
#   <chr>      <dbl>
# 1 Lost        65.7
# 2 Won         78.4

Большое спасибо. Это было именно то, о чем я просил, и это решило проблему.

Reeza 16.04.2018 14:00

Другие вопросы по теме