主頁 > 區塊鏈 > 解包pandsread_HTML資料幀

解包pandsread_HTML資料幀

2021-10-18 13:42:00 區塊鏈

我正在嘗試從網站上抓取資料:https : //www.oddsportal.com/american-football/usa/nfl/

此鏈接顯示即將進行的游戲。

目前,我嘗試使用 Pandas 來讀取 Selenium 檢索到的 html 資料,但資料幀是一個多級索引,我不確定如何將資料幀解壓縮為更易讀的格式。

import undetected_chromedriver.v2 as uc
from selenium.webdriver.common.by import By
from bs4 import BeautifulSoup
import pandas as pd



driver = uc.Chrome()
driver.get("https://www.oddsportal.com/american-football/usa/nfl/")

table = driver.find_element(By.XPATH, '//*[@id="tournamentTable"]').get_attribute('outerHTML')

df = pd.read_html(table)[0]

Out:
   American football? USA?NFL  ...     
                Today, 17 Oct  ...  B's
0                       13:30  ...   11
1                       17:00  ...   11
2                       17:00  ...   11
3                       17:00  ...   11
4                       17:00  ...   11
5                       17:00  ...   11
6                       17:00  ...   11
7                       17:00  ...   11
8                       2Q 6'  ...   11
9                       2Q 4'  ...   11
10                      2Q 3'  ...   11
11           Tomorrow, 18 Oct  ...  B's
12                        NaN  ...  NaN
13                      00:20  ...   11
14                19 Oct 2021  ...  B's
15                        NaN  ...  NaN
16                      00:15  ...   11
17                15 Nov 2021  ...  B's
18                        NaN  ...  NaN
19                      00:20  ...    1

[20 rows x 7 columns]

我可以使用以下方法解壓縮 HTML 資料:

all_matches = [i.text for i in driver.find_elements(By.XPATH, '//*[@id="tournamentTable"]/tbody/tr') if "American football" not in i.text]

Out:
["Today, 17 Oct 1 2 B's",
 '',
 '13:30 Jacksonville Jaguars - Miami Dolphins\n  23:20\n 110\n-128\n11',
 '17:00 Baltimore Ravens - Los Angeles Chargers 34:6\n-159\n 138\n11',
 '17:00 Carolina Panthers - Minnesota Vikings 28:34 OT\n 114\n-133\n11',
 '17:00 Chicago Bears - Green Bay Packers 14:24\n 195\n-233\n11',
 '17:00 Detroit Lions - Cincinnati Bengals 11:34\n 165\n-192\n11',
 '17:00 Indianapolis Colts - Houston Texans 31:3\n-556\n 428\n11',
 '17:00 New York Giants - Los Angeles Rams 11:38\n 286\n-345\n11',
 '17:00 Washington Football Team - Kansas City Chiefs 13:31\n 241\n-294\n11',
 "2Q 15'\nCleveland Browns - Arizona Cardinals 14:23\n-149\n 127\n11",
 "2Q 14'\nDenver Broncos - Las Vegas Raiders 7:10\n-213\n 181\n11",
 "2Q 10'\nNew England Patriots - Dallas Cowboys 14:10\n 163\n-189\n11",
 "Tomorrow, 18 Oct 1 2 B's",
 '',
 '00:20 Pittsburgh Steelers - Seattle Seahawks\n-217\n 185\n11',
 "19 Oct 2021 1 2 B's",
 '',
 '00:15 Tennessee Titans - Buffalo Bills\n 206\n-250\n11',
 '',
 '',
 '']

但這需要我使用字典決議資料,并且正確格式化會很麻煩。

我的預期輸出是 DF 格式:

    date         game_time          Team1              Team2         Score     1     2   
0   2021-10-17    13:30      Jacksonville Jaguars   Miami Dolphins  23:20     110  -128
1   2021-10-17    17:00      Baltimore Ravens       Los Angeles     34:6     -159   138
2   2021-10-17    17:00      Carolina Panthers      Minnesota Vik   28:34     114  -133
3   2021-10-17    17:00      Chicago Bears          Green Bay Pack  14:24     195  -233
4   2021-10-17    17:00      Detroit Lions          Cincinnati Ben  11:34     165  -192

我希望有一種更簡單的方法可以將資料傳遞給 pandas read_HTML 函式,該函式可以洗掉多級索引并使我更接近格式。如果我可以接近,我可以格式化其余部分,但我想避免使用字典,但我理解這是否不可能。

uj5u.com熱心網友回復:

read_html()適用于基本/原始表,但對于復雜表,您必須撰寫自己的代碼,該代碼將使用for-loops 分別處理行和單元格,并if/else識別行中的資料型別。

為此,我僅使用 Selenium。

首先,我獲取表中的所有行,@id="tournamentTable"然后檢查每一行中的類以檢測帶日期的行、帶結果的行或隱藏行。接下來我為不同的資料運行不同的代碼。

import selenium.webdriver
import pandas as pd

#import undetected_chromedriver.v2 as uc
#driver = uc.Chrome()

#driver = selenium.webdriver.Chrome()
driver = selenium.webdriver.Firefox()
driver.get('https://www.oddsportal.com/american-football/usa/nfl')  

# --- 

all_results = []
date = None

all_rows = driver.find_elements_by_xpath('//table[@id="tournamentTable"]//tr')

for row in all_rows:
    classes = row.get_attribute('class')
    print('classes:', classes)
    
    if classes == 'center nob-border':
        date = row.find_element_by_tag_name('span').text.strip()
        print('date:', date)
    elif (classes == 'table-dummyrow') or ('hidden' in classes):
        pass  # skip empty rows
    else:
        if date:
            all_cells = row.find_elements_by_xpath('.//td')
            print('len(all_cells):', len(all_cells))
            teams = all_cells[1].text.split(' - ')
            if len(all_cells) == 5: 
                # row without score
                row_values = [
                    date,
                    all_cells[0].text.strip(),
                    teams[0].strip(),
                    teams[1].strip(),
                    '',
                    all_cells[2].text.strip(),
                    all_cells[3].text.strip(),
                    all_cells[4].text.strip(),
                ]
            else: 
                # row with score
                row_values = [
                    date,
                    all_cells[0].text.strip(),
                    teams[0].strip(),
                    teams[1].strip(),
                    all_cells[2].text.strip(),
                    all_cells[3].text.strip(),
                    all_cells[4].text.strip(),
                    all_cells[5].text.strip(),
                ]

            print('row:', row_values)
            all_results.append(row_values)
            
print('-----------------------')

df = pd.DataFrame(all_results, columns=['date', 'game_time', 'Team1', 'Team2', 'Score', '1', '2', 'B'])

print(df)

結果:

                date game_time                 Team1                     Team2  Score     1     2   B
0      Today, 18 Oct      4Q 4   Pittsburgh Steelers          Seattle Seahawks  17:17  1.44  2.91  11
1   Tomorrow, 19 Oct     00:15      Tennessee Titans             Buffalo Bills         3.13  1.39  10
2        22 Oct 2021     00:20      Cleveland Browns            Denver Broncos         1.43  2.93   8
3        24 Oct 2021     17:00      Baltimore Ravens        Cincinnati Bengals         1.36  3.30   8
4        24 Oct 2021     17:00     Green Bay Packers  Washington Football Team         1.22  4.59   8
5        24 Oct 2021     17:00        Miami Dolphins           Atlanta Falcons         1.93  1.91   8
6        24 Oct 2021     17:00  New England Patriots             New York Jets         1.33  3.43   8
7        24 Oct 2021     17:00       New York Giants         Carolina Panthers         2.28  1.67   8
8        24 Oct 2021     17:00      Tennessee Titans        Kansas City Chiefs         2.67  1.49   5
9        24 Oct 2021     20:05     Las Vegas Raiders       Philadelphia Eagles         1.63  2.35   8
10       24 Oct 2021     20:05      Los Angeles Rams             Detroit Lions         1.09  7.94   8
11       24 Oct 2021     20:25     Arizona Cardinals            Houston Texans         1.08  8.98   8
12       24 Oct 2021     20:25  Tampa Bay Buccaneers             Chicago Bears         1.14  6.16   8
13       25 Oct 2021     00:20   San Francisco 49ers        Indianapolis Colts         1.50  2.70   8

轉載請註明出處,本文鏈接:https://www.uj5u.com/qukuanlian/320991.html

標籤:Python 熊猫 数据框 网页抓取

上一篇:如何從網頁抓取中添加到索引

下一篇:Selenium沒有選擇針對XPATHPython的值

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • JAVA使用 web3j 進行token轉賬

    最近新學習了下區塊鏈這方面的知識,所學不多,給大家分享下。 # 1. 關于web3j web3j是一個高度模塊化,反應性,型別安全的Java和Android庫,用于與智能合約配合并與以太坊網路上的客戶端(節點)集成。 # 2. 準備作業 jdk版本1.8 引入maven <dependency> < ......

    uj5u.com 2020-09-10 03:03:06 more
  • 以太坊智能合約開發框架Truffle

    前言 部署智能合約有多種方式,命令列的瀏覽器的渠道都有,但往往跟我們程式員的風格不太相符,因為我們習慣了在IDE里寫了代碼然后打包運行看效果。 雖然現在IDE中已經存在了Solidity插件,可以撰寫智能合約,但是部署智能合約卻要另走他路,沒辦法進行一個快捷的部署與測驗。 如果團隊管理的區塊節點多、 ......

    uj5u.com 2020-09-10 03:03:12 more
  • 谷歌二次驗證碼成為區塊鏈專用安全碼,你怎么看?

    前言 谷歌身份驗證器,前些年大家都比較陌生,但隨著國內互聯網安全的加強,它越來越多地出現在大家的視野中。 比較廣泛接觸的人群是國際3A游戲愛好者,游戲盜號現象嚴重+國外賬號安全應用廣泛,這類游戲一般都會要求用戶系結名為“兩步驗證”、“雙重驗證”等,平臺一般都推薦用谷歌身份驗證器。 后來區塊鏈業務風靡 ......

    uj5u.com 2020-09-10 03:03:17 more
  • 密碼學DAY1

    目錄 ##1.1 密碼學基本概念 密碼在我們的生活中有著重要的作用,那么密碼究竟來自何方,為何會產生呢? 密碼學是網路安全、資訊安全、區塊鏈等產品的基礎,常見的非對稱加密、對稱加密、散列函式等,都屬于密碼學范疇。 密碼學有數千年的歷史,從最開始的替換法到如今的非對稱加密演算法,經歷了古典密碼學,近代密 ......

    uj5u.com 2020-09-10 03:03:50 more
  • 密碼學DAY1_02

    目錄 ##1.1 ASCII編碼 ASCII(American Standard Code for Information Interchange,美國資訊交換標準代碼)是基于拉丁字母的一套電腦編碼系統,主要用于顯示現代英語和其他西歐語言。它是現今最通用的單位元組編碼系統,并等同于國際標準ISO/IE ......

    uj5u.com 2020-09-10 03:04:50 more
  • 密碼學DAY2

    ##1.1 加密模式 加密模式:https://docs.oracle.com/javase/8/docs/api/javax/crypto/Cipher.html ECB ECB : Electronic codebook, 電子密碼本. 需要加密的訊息按照塊密碼的塊大小被分為數個塊,并對每個塊進 ......

    uj5u.com 2020-09-10 03:05:42 more
  • NTP時鐘服務器的特點(京準電子)

    NTP時鐘服務器的特點(京準電子) NTP時鐘服務器的特點(京準電子) 京準電子官V——ahjzsz 首先對時間同步進行了背景介紹,然后討論了不同的時間同步網路技術,最后指出了建立全球或區域時間同步網存在的問題。 一、概 述 在通信領域,“同步”概念是指頻率的同步,即網路各個節點的時鐘頻率和相位同步 ......

    uj5u.com 2020-09-10 03:05:47 more
  • 標準化考場時鐘同步系統推進智能化校園建設

    標準化考場時鐘同步系統推進智能化校園建設 標準化考場時鐘同步系統推進智能化校園建設 安徽京準電子科技官微——ahjzsz 一、背景概述隨著教育事業的快速發展,學校建設如雨后春筍,隨之而來的學校教育、管理、安全方面的問題成了學校管理人員面臨的最大的挑戰,這些問題同時也是學生家長所擔心的。為了讓學生有更 ......

    uj5u.com 2020-09-10 03:05:51 more
  • 位元幣入門

    引言 位元幣基本結構 位元幣基礎知識 1)哈希演算法 2)非對稱加密技術 3)數字簽名 4)MerkleTree 5)哪有位元幣,有的是UTXO 6)位元幣挖礦與共識 7)區塊驗證(共識) 總結 引言 上一篇我們已經知道了什么是區塊鏈,此篇說一下區塊鏈的第一個應用——位元幣。其實先有位元幣,后有的區塊 ......

    uj5u.com 2020-09-10 03:06:15 more
  • 北斗對時服務器(北斗對時設備)電力系統應用

    北斗對時服務器(北斗對時設備)電力系統應用 北斗對時服務器(北斗對時設備)電力系統應用 京準電子科技官微(ahjzsz) 中國北斗衛星導航系統(英文名稱:BeiDou Navigation Satellite System,簡稱BDS),因為是目前世界范圍內唯一可以大面積提供免費定位服務的系統,所以 ......

    uj5u.com 2020-09-10 03:06:20 more
最新发布
  • web3 產品介紹:metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包,它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一,它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:46:47 more
  • Hyperledger Fabric 使用 CouchDB 和復雜智能合約開發

    在上個實驗中,我們已經實作了簡單智能合約實作及客戶端開發,但該實驗中智能合約只有基礎的增刪改查功能,且其中的資料管理功能與傳統 MySQL 比相差甚遠。本文將在前面實驗的基礎上,將 Hyperledger Fabric 的默認資料庫支持 LevelDB 改為 CouchDB 模式,以實作更復雜的資料... ......

    uj5u.com 2023-04-16 07:28:31 more
  • .NET Core 波場鏈離線簽名、廣播交易(發送 TRX和USDT)筆記

    Get Started NuGet You can run the following command to install the Tron.Wallet.Net in your project. PM> Install-Package Tron.Wallet.Net 配置 public reco ......

    uj5u.com 2023-04-14 08:08:00 more
  • DKP 黑客分析——不正確的代幣對比率計算

    概述: 2023 年 2 月 8 日,針對 DKP 協議的閃電貸攻擊導致該協議的用戶損失了 8 萬美元,因為 execute() 函式取決于 USDT-DKP 對中兩種代幣的余額比率。 智能合約黑客概述: 攻擊者的交易:0x0c850f,0x2d31 攻擊者地址:0xF38 利用合同:0xf34ad ......

    uj5u.com 2023-04-07 07:46:09 more
  • Defi開發簡介

    Defi開發簡介 介紹 Defi是去中心化金融的縮寫, 是一項旨在利用區塊鏈技術和智能合約創建更加開放,可訪問和透明的金融體系的運動. 這與傳統金融形成鮮明對比,傳統金融通常由少數大型銀行和金融機構控制 在Defi的世界里,用戶可以直接從他們的電腦或移動設備上訪問廣泛的金融服務,而不需要像銀行或者信 ......

    uj5u.com 2023-04-05 08:01:34 more
  • solidity簡單的ERC20代幣實作

    // SPDX-License-Identifier: GPL-3.0 pragma solidity >=0.7.0 <0.9.0; import "hardhat/console.sol"; //ERC20 同質化代幣,每個代幣的本質或性質都是相同 //ETH 是原生代幣,它不是ERC20代幣, ......

    uj5u.com 2023-03-21 07:56:29 more
  • solidity 參考型別修飾符memory、calldata與storage 常量修飾符C

    在solidity語言中 參考型別修飾符(參考型別為存盤空間不固定的數值型別) memory、calldata與storage,它們只能修飾參考型別變數,比如字串、陣列、位元組等... memory 適用于方法傳參、返參或在方法體內使用,使用完就會清除掉,釋放記憶體 calldata 僅適用于方法傳參 ......

    uj5u.com 2023-03-08 07:57:54 more
  • solidity注解標簽

    在solidity語言中 注釋符為// 注解符為/* 內容*/ 或者 是 ///內容 注解中含有這幾個標簽給予我們使用 @title 一個應該描述合約/介面的標題 contract, library, interface @author 作者的名字 contract, library, interf ......

    uj5u.com 2023-03-08 07:57:49 more
  • 評價指標:相似度、GAS消耗

    【代碼注釋自動生成方法綜述】 這些評測指標主要來自機器翻譯和文本總結等研究領域,可以評估候選文本(即基于代碼注釋自動方法而生成)和參考文本(即基于手工方式而生成)的相似度. BLEU指標^[^?88^^?^]^:其全稱是bilingual evaluation understudy.該指標是最早用于 ......

    uj5u.com 2023-02-23 07:27:39 more
  • 基于NOSTR協議的“公有制”版本的Twitter,去中心化社交軟體Damus

    最近,一個幽靈,Web3的幽靈,在網路游蕩,它叫Damus,這玩意詮釋了什么叫做病毒式營銷,滑稽的是,一個Web3產品卻在Web2的產品鏈上瘋狂傳銷,各方大佬紛紛為其背書,到底發生了什么?Damus的葫蘆里,賣的是什么藥? 注冊和簡單實用 很少有什么產品在用戶注冊環節會有什么噱頭,但Damus確實出 ......

    uj5u.com 2023-02-05 06:48:39 more