如何从网页交互式图表提取曼谷PM2.5数据并在R中创建Data Frame？

数据提取 #

• 目标网站支持直接下载结构化数据，不用费劲爬交互式图表：进入页面后拉到最底部，找到Download Data板块，选择2016年3月到2021年3月的时间范围，就能下载包含小时最高值、日均值的CSV文件，这是最省事的方式。
• 要是想用代码自动化获取，也可以用R的rvest包解析页面，定位下载链接自动抓取，但直接手动下载效率更高，没必要折腾。

R中创建Data Frame步骤 #

1. 读取下载好的CSV：

# 替换成你本地的文件路径
pm25_data <- read.csv("bangkok_pm25.csv", header = TRUE)

2. 处理日期并筛选时间范围：

# 把日期列转成日期格式
pm25_data$date <- as.Date(pm25_data$date)
# 筛选指定时间段的数据
target_data <- subset(pm25_data, date >= "2016-03-01" & date <= "2021-03-31")

3. 提取需要的字段（列名以你下载的CSV实际为准，比如可能叫max_hourly_pm25、daily_average_pm25）：

final_df <- target_data[, c("date", "max_hourly_pm25", "daily_average_pm25")]

4. 验证结果：

# 查看前几行数据
head(final_df)

小提示 #

• 下载数据时要确认勾选了小时值和日均值的选项，避免漏拿需要的数据。
• 如果非要用爬虫，别直接去爬图表的前端渲染数据，那会很麻烦，直接抓下载链接更靠谱。

内容的提问来源于stack exchange，提问作者Christopher