如何在R中为2021 MLB赛季数据集计算球队胜率

1. 正确标记胜场（1）与负场（0） #

你用ifelse只得到全1的结果，大概率是列名引用错误（比如列名带空格没加反引号、拼写错误），或者条件逻辑搞反了。以下是正确写法：

Base R 写法 #

假设你的数据集名为mlb_data，球队得分列是team_runs，对手得分列是opponent_runs：

# 添加胜场标记列
mlb_data$win <- ifelse(mlb_data$team_runs > mlb_data$opponent_runs, 1, 0)

如果列名带中文空格（比如球队得分），要用反引号包裹列名：

mlb_data$win <- ifelse(mlb_data$`球队得分` > mlb_data$`对手得分`, 1, 0)

排查问题点 #

• 检查列名：用colnames(mlb_data)确认列名拼写和格式
• 验证条件逻辑：取几行数据手动对比，比如head(mlb_data[, c("球队得分", "对手得分")])，看是否真的所有比赛都是球队得分更高

2. 按球队（每162行）计算单独胜率 #

如果你的数据是每个球队连续排列162行，可以按行数分组计算；但更稳妥的是如果数据里有球队ID/名称列，直接按球队分组（避免数据顺序打乱导致错误）。

情况1：按每162行分组（数据严格按球队连续排列） #

Base R 实现

# 拆分数据为每162行一组
team_groups <- split(mlb_data, rep(1:(nrow(mlb_data)/162), each = 162))
# 计算每个球队的胜率（胜场数/总比赛数）
win_rates <- sapply(team_groups, function(group) mean(group$win))
# 转为数据框方便查看
team_win_rates <- data.frame(team_group = names(win_rates), win_rate = round(win_rates, 3))

Tidyverse（dplyr）实现

library(dplyr)

team_win_rates <- mlb_data %>%
  # 创建分组标记：每162行一个球队
  mutate(team_group = gl(n()/162, 162)) %>%
  group_by(team_group) %>%
  summarise(
    total_games = n(),
    total_wins = sum(win),
    win_rate = round(total_wins / total_games, 3)
  ) %>%
  ungroup()

情况2：用球队列分组（更可靠） #

如果你的数据里有team_name或team_id列，直接按球队分组，无需依赖行数：

library(dplyr)

team_win_rates <- mlb_data %>%
  mutate(win = ifelse(`球队得分` > `对手得分`, 1, 0)) %>%
  group_by(team_name) %>%
  summarise(
    total_games = n(),
    total_wins = sum(win),
    win_rate = round(total_wins / total_games, 3)
  ) %>%
  ungroup()

注意事项 #

• 检查数据完整性：确保总行数是162的整数倍（30支球队×162场=4860行），如果不是，说明有缺失或多余数据，需要先清洗
• 平局处理：MLB常规赛极少平局，如果存在平局，可根据需求将平局标记为0.5或单独处理，比如：

  mlb_data$win <- case_when(
    mlb_data$`球队得分` > mlb_data$`对手得分` ~ 1,
    mlb_data$`球队得分` < mlb_data$`对手得分` ~ 0,
    TRUE ~ 0.5  # 平局按0.5计算
  )
  

内容的提问来源于stack exchange，提问作者Marc Stern