将嵌套列表转换为R中的数据帧

通过不创建嵌套列表，您可以更轻松地实现所需结果.我重构了您的代码，首先将主要的抓取代码放在一个函数中，以便更容易地进行调试和测试.在此函数中，我已经使用dplyr::bind_rows将团队表绑定到一个数据帧中.该函数也应该更高效一些，因为它避免了像在代码中那样两次读取HTML.

对于循环部分，我切换到了purrr::map.为此，创建一个包含日期和相应URL的数据帧.这样，您就可以直接在URL上循环，而不需要嵌套的for循环.结果，您将获得一个数据帧列表，您最终可以按行将它们绑定在一起.

最后，请注意，我go 掉了tryCatch，而使用purrr::safely进行错误处理.

library(rvest)
library(purrr)
library(stringr)
library(dplyr)

make_url <- function(year, month, day) {
  paste0(
    "https://www.baseball-reference.com/boxes/ARI/ARI",
    year, month, day, ".shtml"
  )
}

scrape_table <- function(url) {
  html <- read_html(url)

  nodes <- html |>
    html_elements(xpath = '//div[starts-with(@id, "all_") and contains(@id, "batting")]')

  teams <- html %>%
    html_elements(xpath = "//td/a") %>%
    html_text()

  nodes |>
    purrr::set_names(teams) |>
    purrr::map(\(x) {
      x |>
        as.character() |>
        str_remove_all("<!--|-->") |>
        read_html() |>
        html_table()
    }) |>
    unlist(recursive = FALSE) |>
    dplyr::bind_rows(.id = "Team")
}


# declare variables
month <- c("07", "09")
year <- c("2022")
day <- c("040")

dates <- expand.grid(
  year = year, month = month, day = day
)

urls <- dates |>
  mutate(
    url = make_url(year, month, day),
    date = paste(year, month, day, sep = "-"),
    .keep = "unused"
  )

safe_scrape_table <- purrr::safely(scrape_table)

final <- purrr::map(urls$url, \(url) {
  Sys.sleep(5)
  safe_scrape_table(url)
}) |>
  set_names(urls$date)

final <- final |>
  purrr::transpose() |>
  pluck("result") |>
  bind_rows(.id = "Date")

head(final)
#> # A tibble: 6 × 26
#>   Date       Team  Batting    AB     R     H   RBI    BB    SO    PA    BA   OBP
#>   <chr>      <chr> <chr>   <int> <int> <int> <int> <int> <int> <int> <dbl> <dbl>
#> 1 2022-07-0… San … Austin…     2     0     0     0     1     1     3 0.243 0.367
#> 2 2022-07-0… San … Mike Y…     2     0     0     0     0     1     2 0.236 0.338
#> 3 2022-07-0… San … Wilmer…     3     1     0     0     0     2     4 0.242 0.331
#> 4 2022-07-0… San … Darin …     2     1     0     0     1     2     4 0.22  0.335
#> 5 2022-07-0… San … Evan L…     3     1     1     0     1     0     4 0.248 0.333
#> 6 2022-07-0… San … LaMont…     4     0     1     2     0     0     4 0.22  0.313
#> # ℹ 14 more variables: SLG <dbl>, OPS <dbl>, Pit <int>, Str <int>, WPA <dbl>,
#> #   aLI <dbl>, `WPA+` <dbl>, `WPA-` <chr>, cWPA <chr>, acLI <dbl>, RE24 <dbl>,
#> #   PO <int>, A <int>, Details <chr>

EDIT问题是列的数据类型因日期不同而不同，即对于2022-07-04,WPA-列被读取为character，因为值包括%符号，而对于2023-07-04，它只包含数字，因此被读取为numeric.要解决这个问题，我们需要在绑定表之前进行一些数据清理.下面的代码将这些步骤拆分成几个部分.首先，提取包含结果的表.然后循环遍历数据帧列表，并使用例如readr::parse_number将应为数字的字符列转换为数字.在这样做之后，约束原则上应该会奏效.我测试了2022年和2023年.但当然，也有可能出现其他问题.更安全的 Select 是将所有列转换为字符.然后Bundle .然后进行数据清理，最后将列转换为数字.

final_result <- final |>
  purrr::transpose() |>
  pluck("result")

# Data Cleaning
final <- map(
  final_result,
  \(x) {
    x |> 
      mutate(across(!c(Team, Batting, Details) & where(is.character), readr::parse_number))
  }
)

# Bind
final <- final |>
  bind_rows(.id = "Date")