python - 带有 BS4 和 urllib 的 Python - 如何从网站提取文本后移动/操作文本
问题描述
希望编写一个程序来查找任何给定球队的 NBA 赢/输统计数据 - 然后返回数字(即(3/6,50%“))
更好的理解方式... 运行代码 ---- 选择湖人队 ---- 根据下一场比赛返回统计数据 ---- 在客场获胜后、客场失利后、主场获胜后、主场胜利后返回主场记录的百分比主场失利和客场比赛同样 4
我的想法 - 找到一种方法来遍历文本并选择或提取我想要的元素,然后根据这些运行一些简单的数字......或者再次遍历每个游戏并记录我的每个百分比想要返回 - 所以可能将我想要的这 4 个统计数据中的每一个设置为一个变量,在迭代游戏列表时计算或添加到它们,然后返回结果
import bs4 as bs
import urllib.request
sauce = urllib.request.urlopen('http://www.espn.com/nba/team/schedule/_/name/lal').read()
soup = bs.BeautifulSoup(sauce, 'lxml')
table = soup.find('table')
table_rows = table.find_all('tr')
for tr in table_rows:
td = tr.find_all('td')
row = [i.text for i in td]
print(row)
此代码将返回一大组我想要的所有数据
['Fri, Dec 21', 'vs New Orleans ', 'W112-104 ', '19-13', 'Kuzma 23', 'James 12', 'James 14']
['Sun, Dec 23', 'vs Memphis ', 'L107-99 ', '19-14', 'James 22', 'James 14', 'James 7']
['Tue, Dec 25', '@ Golden State ', 'W127-101 ', '20-14', 'Kuzma 19', 'James 13', 'Rondo 10']
['Thu, Dec 27', '@ Sacramento ', 'L117-116 ', '20-15', 'Kuzma 33', 'Chandler 10', 'Ball 12']
['Date', 'Opponent', 'Time', 'TV', 'tickets']
['Fri, Dec 28', 'vs LA ', '10:30 PM ', 'NBATV', '1,143 tickets as low as $175 ']
['Sun, Dec 30', 'vs Sacramento ', '9:30 PM ', '', '1,270 tickets as low as $136 ']
['Wed, Jan 2', 'vs Oklahoma City ', '10:30 PM ', '', '1,240 tickets as low as $175 ']
我当然希望完成我的代码,但现在我正在寻找一些关于处理数据的帮助。我很好奇如何说-----创建一个包含所有“@”客场比赛的新列表,以及一个包含所有主场比赛的列表,其中包含 BS4 和 url lib,因为我基本上是一个两者都是初学者。
我尝试了一些事情,比如弄乱 row = [i.text for in in td] 并尝试提取字符串、文本,但就是找不到正确的东西,其中一些语法不正确,我认为有些只是没有正确的代码。任何帮助表示赞赏!
从那里我可以找出执行开始时所述的实际计算所需的其他代码,如果需要任何其他帮助,我可以重新发布或提出其他问题!
解决方案
这会让你继续前进。
import pandas as pd
url = "http://www.espn.com/nba/team/schedule/_/name/lal"
# get all tables in url
dfs = pd.read_html(url)
# there were 3 tables. We want table in index position 2
df = dfs[2]
# take the first row (index 0) and make that the column names. Drop that first row and re index the dataframe
df = df.rename(columns=df.iloc[0]).drop(df.index[0]).reset_index(drop = True)
输出:
print (df)
Date Opponent ... Hi Rebounds Hi Assists
0 Thu, Oct 18 @ Portland ... James 12 Rondo 11
1 Sat, Oct 20 vs Houston ... Rondo 7 Rondo 10
2 Mon, Oct 22 vs San Antonio ... Hart 10 James 14
3 Wed, Oct 24 @ Phoenix ... Stephenson 8 James 10
4 Thu, Oct 25 vs Denver ... James 11 James 11
5 Sat, Oct 27 @ San Antonio ... James 11 Rondo 5
6 Mon, Oct 29 @ Minnesota ... James 10 James 8
7 Wed, Oct 31 vs Dallas ... McGee 15 Ball 7
8 Sat, Nov 3 @ Portland ... Rondo 10 James 7
9 Sun, Nov 4 vs Toronto ... Ball 9 James 6
10 Wed, Nov 7 vs Minnesota ... James 11 Rondo 10
11 Sat, Nov 10 @ Sacramento ... Chandler 12 Rondo 7
拥有该数据框后,开始过滤行或使用“@”拆分行。做一些 groupby 分组客场比赛/主场比赛。您也可以开始解析日期列。你可以用 pandas 来处理很多东西。
推荐阅读
- python - 什么是 Python“系统库”?
- python - python docker如何打印脚本的返回码以了解测试脚本是通过还是失败
- python - Flask - 每个 HTTP 请求似乎都不是一个新的独立请求。这是为什么?
- python - Python pathlib:解析符号链接的完整路径而不遵循它
- linux - 是否可以从 x86(x64) windows 交叉编译到 x86(x64) linux?
- amazon-dynamodb - 如何使用带有 dynamodb 的 aws cli 查询名称包含“:”的索引?
- java - 在 JAVA 中使用实际 API 调用模拟测试支付的最佳实践是什么
- python - 替换 Python String 中 2 个数组的值
- python - IndexError:数组python的索引太多
- python - 使用默认参数在python中重载构造函数