如何在R中解析棒球盒得分答案

【问题标题】：How to parse a baseball box score in R如何在R中解析棒球盒得分
【发布时间】：2012-06-21 19:04:42
【问题描述】：

我正在使用来自 retrosheet.org 的棒球数据进行一个研究项目。我想为每局中每支球队的得分创建变量（Vis1、Home1、Vis2、Home2 等）。问题是盒子得分的变量编码很奇怪。每支球队在整场比赛中都有自己的变量，每一局都有一个值。因为前导零被切断，所以“12(10)1X”的值意味着一支球队在前 4 局没有得分，在第五局得分一次，在第六局得分两次，在第七局得分 10 次，在第二局得分一次。第八名，他们不必打第九名，因为那时他们已经赢了。

有什么建议吗？我不知所措。 () 最让我困惑。

【问题讨论】：

你能发布一个更直接的链接到有问题的数据集吗？
我将这个页面上的所有常规赛数据合并到一个数据集中：retrosheet.org/gamelogs/index.html
谢谢。所以 - 如果前导零被截断，您在导入数据时会出现问题。我使用 read.csv 函数将 1995 拉到 R 中，所有的盒子分数都包括前导零。这从根本上简化了您的请求！现在“（10）”位是最困难的，而不是试图弄清楚哪个角色代表哪个局......

标签： string r

【解决方案1】：

在 userR 的这个演讲中有一个例子！ 2012 可能会提供更多特定于您的棒球项目的信息。你可以找到它here.

【讨论】：

【解决方案2】：

我是爱尔兰人，住在威尔士，对棒球一无所知，但是，我想我记得听说最多只能有 9 局？？？？（老实说……没有头绪！！！）

bbscore = function(x)
{
 scores = c()
 score = unlist(strsplit(x,split=""))
 i= 1
 while(i<length(score)+1)
 {
   if(score[i]=="(")
   {
     scores = c(scores,paste(score[i+1],score[i+2],sep=""))
     i = i+4
   }
   scores = c(scores,score[i])
   i = i+1
 }
 return(scores)
}
> x
[1] "12(10)1X"
> bbscore(x)
[1] "0"  "0"  "0"  "0"  "1"  "2"  "10" "1"  "X" 

> scores.df = read.csv("GL1995.TXT",header=F)
> head(scores.df$V20)
[1] 200030300 000000000 000300020 000000010 100100010 001002300
1355 Levels: (11)00033102 00000000 000000000 0000000000 ... 710001001
> scores.df$V20 = as.character(scores.df$V20)
> V20.1995.scores = lapply(scores.df$V21, bbscore)
> V20.1995.scores = lapply(scores.df$V20, bbscore)
> V20.1995.scores[[1]]
[1] "2" "0" "0" "0" "3" "0" "3" "0" "0"
> V20.1995.scores[[2]]
[1] "0" "0" "0" "0" "0" "0" "0" "0" "0"
> V20.1995.scores[[3]]
[1] "0" "0" "0" "3" "0" "0" "0" "2" "0"

当然，你必须做一些进一步的操作才能将它们变成数字并处理 X，如果还有任何其他意想不到的角色，这也会破坏，除了要感谢 9 局的假设。

编辑： 我删除了 9 局的规定，并展示了如何对整个专栏执行此操作（假设您所说的分数确实是 csv 文件中的第 20 个变量）。不同的局数需要额外的处理。 do.call(rbind,...) 不起作用。找到最长的游戏并将"X"'s 附加到末尾以使它们都具有相同的长度？也许？我不确定，但我认为这个问题至少已经回答了。

【讨论】：

另外，一个真正聪明的人可能会使用正则表达式。虽然不是我！ :(
不幸的是，如果比分在 9 结束时打成平手，棒球比赛可能会进入加时赛。幸运的是，如果您在问题上查看 OP 在 cmets 中的数据，看起来前导零是实际上完好无损。你介意再对实际数据进行一次传递吗？我认为你在正确的轨道上......
我刚查了一下，17 局是所有比赛中最多的。 > max(sapply(scores.df$V20, nchar)) [1] 17
@DavyKavanagh - 实际上，我记得有一场职业棒球比赛的时间要长得多，准确地说是 33 局。事实上，就在我的镇上。 en.wikipedia.org/wiki/Longest_professional_baseball_game

【解决方案3】：

迟到的答案，但是...

有一个新的 R 包用于从 MLB server 获取数据，包括盒子得分等等。可能值得一看！

openWar

【讨论】：