提取10年Billboard周度榜单数据出现IndexError如何解决

错误原因说明 #

原数据提取方式存在逻辑错误，IndexError报错由以下几个问题共同导致：

• 未使用提前生成的周度日期列表dates，循环中始终固定用最终值start_date（2021年1月的日期）请求榜单，没有按周遍历目标时段的日期
• 把日期遍历的索引j直接用来取单期榜单的第j个条目，单期Billboard榜单的条目数有限（通常最多100首），当j超过单期榜单的最大索引时就会触发索引越界报错
• 额外隐含问题：代码中未导入pandas就直接使用pd别名，也会导致后续运行报错

修复后的代码 #

日期生成代码（原逻辑无问题，可保留） #

from datetime import datetime, timedelta
start="01/01/2010" 
last="01/01/2021"
start_date=datetime.strptime(start,"%d/%m/%Y")
last_date=datetime.strptime(last,"%d/%m/%Y")
dates=[]
while start_date <= (last_date - timedelta(days=7)):
    start_date += timedelta(days=7)
    dates.append(start_date.strftime("%d/%m/%Y"))

数据提取修正代码 #

import billboard
import pandas as pd
import time # 可选，用于加延时避免请求限制

billresults = []
# 遍历所有目标周日期
for date_str in dates:
    # 转换为接口要求的日期格式
    query_date = datetime.strptime(date_str, "%d/%m/%Y").strftime("%Y-%m-%d")
    # 请求对应周的榜单
    chart = billboard.ChartData('jazz-songs', date=query_date)
    # 遍历当期榜单的所有歌曲
    for song in chart:
        # 可保留周日期字段方便后续数据区分
        entry = [song.title, song.artist, query_date]
        billresults.append(entry)
    # 可选：加1秒延时避免触发接口频率限制
    time.sleep(1)

# 生成结果表
billboardjazz = pd.DataFrame(data = billresults, columns = ['track_name','artist_name','week_date'])
print(billboardjazz)

补充说明 #

如果只需要提取每期榜单前N名，可以把遍历榜单的代码改为for song in chart[:N]:，比如取前10名就写for song in chart[:10]:。

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