Web爬取2020赛季F1数据时R语言命名报错的解决
F1赛事数据爬取报错排查与修复
报错本质解释
代码运行时触发的Error in names(x) <- value : 'names' attribute [27] must be the same length as the vector [20],核心原因是手动赋值的列名长度,和实际抓取到的表格列数完全不匹配。
具体来说,代码中写死了要给表格赋值27个列名:3个固定列(名次、车手、总积分)+24个单场赛事列(R01到R24),总共27个名称。但2020赛季对应的页面表格,经html_table()解析后实际有效列数仅为20个,给20列的向量赋27个名称时,R语言就会直接抛出长度不匹配的错误。
为什么2019赛季能正常运行、2020赛季直接报错
- 2019赛季F1赛历完整,页面表格的实际列数刚好和代码里硬编码的列名长度匹配,全流程不会触发长度校验问题
- 2020赛季受疫情影响赛历大幅缩减,页面表格的列数、单场赛事的数量和2019赛季差异明显,硬编码的列名、长格式转换范围全部无法适配新的表格结构
- 原有代码全靠固定数值写死逻辑,没有根据页面表格的实际列数做动态适配,只要表格结构变了就会直接报错
可直接复用的代码修改步骤
- 抓取表格后先校验实际结构,避免盲目赋值列名
f1 <- read_html('2020赛季F1车手积分榜页面对应地址') %>% html_node('table') %>% html_table() # 打印实际表格列数,确认结构 ncol(f1) - 动态生成匹配实际列数的列名,替代硬编码的27个固定名称
# 扣除3个固定列(Pos、Driver、Total),计算实际单场赛事的列数 race_col_total <- ncol(f1) - 3 # 根据实际列数生成对应长度的列名 colnames(f1) <- c('Pos', 'Driver', 'Total', sprintf('R%02d', 1:race_col_total)) - 修正长格式转换的列选择逻辑,替换硬编码的赛事列范围
# 动态生成所有赛事列的名称,替代原代码中写死的R01:R21范围 race_column_names <- sprintf('R%02d', 1:race_col_total) # 基于动态生成的列名完成长格式转换 f1long <- tidyr::gather(f1, Race, Points, all_of(race_column_names)) - 调整数值清洗逻辑,保证列索引不会因为列数变化出现越界
# 转换为tibble后筛选前10名车手 f1 <- dplyr::as_tibble(f1) %>% dplyr::filter(as.integer(Pos) <= 10) # 将车手列转换为因子类型 f1$Driver <- as.factor(f1$Driver) # 对除车手段之外的所有列做值替换 f1[, -2] <- apply(f1[, -2], 2, function(x) as.integer(gsub('-', '0', as.character(x))))
注意:原代码中长格式转换的列范围
R01:R21也是硬编码逻辑,如果实际赛事列数少于21场,该范围会选中不存在的列,同样会触发报错,必须替换为动态计算的列名集合。
内容的提问来源于stack exchange,提问作者ITStudentEnschede
相关产品推荐
相关产品推荐

