在R中如何将NHL嵌套列表转换为球员统计DataFrame

1. 修复单场数据合并问题 #

你之前用c()合并两个数据框的方式不对，会把它们拼成列表而非合并为一个DataFrame，另外stats里的核心统计数据藏在skaterStats子节点里，直接转data.frame会保留嵌套结构，导致后续无法正常合并。下面是修正后的单场数据处理代码：

library(nhlapi)
library(dplyr)
library(tidyr)

# 获取单场比赛boxscore数据
boxscore <- nhl_games_boxscore(gameIds = 2023020001)[[1]]

# 提取客队球员集合
away_players <- boxscore[["teams"]][["away"]][["players"]]

# 提取球员基础信息（保留官网展示的关键字段）
df_away_players <- lapply(away_players, function(player) {
  player[["person"]] %>% 
    as.data.frame() %>% 
    select(id, fullName, primaryNumber, position.code)
}) %>% bind_rows()

# 提取球员核心统计数据（从skaterStats节点提取）
df_away_stats <- lapply(away_players, function(player) {
  player[["stats"]][["skaterStats"]] %>% 
    as.data.frame()
}) %>% bind_rows()

# 正确合并球员信息与统计数据
df_combined <- bind_cols(df_away_players, df_away_stats)

# 添加比赛日期（从比赛元数据中提取）
game_date <- as.Date(boxscore[["gameData"]][["game"]][["dateTime"]])
df_combined <- df_combined %>% mutate(game_date = game_date)

2. 多场比赛批量处理 #

用purrr::map_dfr()可以批量处理多个比赛ID，自动把每场数据合并成一个大的DataFrame：

# 定义需要处理的比赛ID列表
game_ids <- c(2023020001, 2023020002, 2023020003)

# 定义单场数据处理函数
process_single_game <- function(game_id) {
  boxscore <- nhl_games_boxscore(gameIds = game_id)[[1]]
  
  # 提取客队球员
  away_players <- boxscore[["teams"]][["away"]][["players"]]
  
  # 球员基础信息
  df_players <- lapply(away_players, function(p) {
    p[["person"]] %>% 
      as.data.frame() %>% 
      select(id, fullName, primaryNumber, position.code)
  }) %>% bind_rows()
  
  # 球员统计数据
  df_stats <- lapply(away_players, function(p) {
    p[["stats"]][["skaterStats"]] %>% as.data.frame()
  }) %>% bind_rows()
  
  # 添加比赛标识信息
  game_info <- data.frame(
    game_id = game_id,
    game_date = as.Date(boxscore[["gameData"]][["game"]][["dateTime"]]),
    away_team = boxscore[["teams"]][["away"]][["team"]][["name"]]
  )
  
  # 合并所有数据
  bind_cols(game_info, df_players, df_stats)
}

# 批量处理所有比赛并合并结果
all_games_data <- purrr::map_dfr(game_ids, process_single_game)

3. 对齐官网展示格式 #

如果要和NHL官网的boxscore格式完全匹配，可以做以下调整：

• 重命名列名，比如把goals改成G、assists改成A，对应官网的缩写
• 筛选官网显示的核心字段：比如plusMinus、shots、hits、timeOnIce等
• 门将的统计字段和滑冰球员不同，若需要包含门将，需单独提取goalieStats节点的数据并分开处理

示例列名调整代码：

df_combined <- df_combined %>%
  rename(
    球衣号 = primaryNumber,
    姓名 = fullName,
    位置 = position.code,
    进球 = goals,
    助攻 = assists,
    得分 = points,
    正负值 = plusMinus,
    射门 = shots,
    冲撞 = hits,
    上场时间 = timeOnIce
  )

内容的提问来源于stack exchange，提问作者Michael