使用Pandas爬取UFC赛事表格时缺失关键列的问题求助

原因 #

1. 你选中的tables[2]并非赛事结果表格，而是页面里的奖金统计类表格，自然没有对手、终结方式、比赛回合这些核心列。
2. 就算选对了结果表格，维基赛事表用了HTML合并单元格（rowspan/colspan），默认爬取会生成多级表头，容易让你误以为关键列缺失。

解决步骤 #

1. 定位正确的表格索引 #

先遍历所有爬取到的表格，通过表头找到目标结果表：

import pandas as pd

url = 'https://en.wikipedia.org/wiki/UFC_168'
tables = pd.read_html(url)

# 逐个打印表格列名，找到包含选手、对手等信息的表格
for idx, table in enumerate(tables):
    print(f"表格{idx}的列：{list(table.columns)}")

运行后会发现，UFC168的主赛结果表格是tables[3]，副赛结果表格是tables[4]。

2. 扁平化多级表头 #

维基的结果表格多为多级表头，直接读取会出现列名混乱，需要合并表头：

# 获取主赛结果表格
main_card = tables[3]
# 把多级表头合并为单个清晰的列名
main_card.columns = [' '.join(col).strip() for col in main_card.columns.values]
# 查看完整数据，对手、终结方式、回合列都会显示出来
print(main_card)

3. 清理无效数据 #

如果表格里有合并单元格生成的空行/空值，用Pandas简单清理即可：

# 删除全空的行
cleaned_table = main_card.dropna(how='all')
# 重置索引
cleaned_table = cleaned_table.reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Kanta