我正在使用来自 retrosheet.org 的棒球数据进行研究项目。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。因为前导零被截断，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，他们不必参加第九名，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。
问问题
571 次
3 回答
2
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。你可以在这里找到它。
于 2012-06-21T23:16:40.773 回答
1
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，您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，除了受制于 9 局的假设之外，这也会中断。
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,...)不会工作。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，但我认为至少已经回答了这个问题。
于 2012-06-21T23:30:51.970 回答