Einführung

Erstellen Sie eine Rangliste aus den Ergebnissen der JFL-Spiele

Schaben

Entspricht dem Scraping der vorherigen Rangliste aus JFL-Match-Ergebnissen erstellen

import requests
from bs4 import BeautifulSoup

url = "http://www.jfl.or.jp/jfl-pc/view/s.php?a=1542&f=2020A001_spc.html"

r = requests.get(url)
r.raise_for_status()

soup = BeautifulSoup(r.content, "html.parser")

data = []

for table in soup.find_all("table", class_="table-data"):

    trs = table.find_all("tr")

    th = int(trs[0].th.get_text(strip=True).strip("Sektion"))

    for i, tr in enumerate(trs[1:], 1):

        tds = [td.get_text(strip=True) for td in tr.find_all("td")]

        data.append([th, i] + tds)

Daten-Wrangling

import pandas as pd

df = pd.DataFrame(
    data, columns=["Sektion", "Nummer", "Datum", "Zeit", "Zuhause", "Ergebnis", "Weg", "Stadion", "Bemerkungen"]
)

df.set_index(["Sektion", "Nummer"], inplace=True)

df

df_score = (
    df["Ergebnis"].str.split("-", expand=True).rename(columns={0: "Home Score", 1: "Auswärtspunktzahl"})
)

df_score["Home Score"] = pd.to_numeric(df_score["Home Score"], errors="coerce").astype("Int64")
df_score["Auswärtspunktzahl"] = pd.to_numeric(df_score["Auswärtspunktzahl"], errors="coerce").astype("Int64")

df1 = pd.concat([df, df_score], axis=1).dropna(subset=["Home Score", "Auswärtspunktzahl"])

#Nur Home-Ergebnisse
df_home = df1.loc[:, ["Zuhause", "Weg", "Zuhause得点", "Weg得点"]].copy()
df_home.rename(
    columns={"Zuhause": "Teamname", "Weg": "Gegner", "ZuhauseErgebnis": "Ergebnis", "WegErgebnis": "Zugegeben"}, inplace=True
)
df_home["Krieg"] = "H"
df_home.head()

#Nur Auswärtsergebnisse
df_away = df1.loc[:, ["Weg", "Zuhause", "Weg得点", "Zuhause得点"]].copy()
df_away.rename(
    columns={"Weg": "Teamname", "Zuhause": "Gegner", "WegErgebnis": "Ergebnis", "ZuhauseErgebnis": "Zugegeben"}, inplace=True
)
df_away["Krieg"] = "A"
df_away.head()

#Kombinieren Sie zu Hause und unterwegs
df_total = pd.concat([df_home, df_away])

df_total

jfl_2020 = [
    "Ｈｏｎｄａ ＦＣ",
    "Sony Sendai FC",
    "Tokyo Musashino City FC",
    "Tegevajaro Miyazaki",
    "Honda Lock SC",
    "Verspa Oita",
    "FC Osaka",
    "MIO Biwako Shiga",
    "Viatin Mie",
    "FC Maruyasu Okazaki",
    "Suzuka Point Getters",
    "Line Mail Aomori",
    "Nara Club",
    "Matsue City FC",
    "Iwaki FC",
    "Kochi United SC",
]

df_total

df_total["Ergebnis"] = df_total.apply(
    lambda x: f'{x["Ergebnis"]}△{x["Zugegeben"]}'
    if x["Ergebnis"] == x["Zugegeben"]
    else f'{x["Ergebnis"]}○{x["Zugegeben"]}'
    if x["Ergebnis"] > x["Zugegeben"]
    else f'{x["Ergebnis"]}●{x["Zugegeben"]}',
    axis=1,
)

df_total

#Schlachtrekordtabelle insgesamt
pv_senseki = df_total.pivot(values="Ergebnis", index=["Teamname", "Krieg"], columns="対Krieg相手").fillna("")

new_idx = pd.MultiIndex.from_product(
    [jfl_2020, ["H", "A"]], names=pv_senseki.index.names
)

jfl_senseki = pv_senseki.reindex(new_idx, columns=jfl_2020)

jfl_senseki

print(jfl_senseki.to_markdown())

	ＨｏｎｄａＦＣ	Sony Sendai FC	Tokyo Musashino City FC	Tegevajaro Miyazaki	Honda Lock SC	Verspa Oita	FC Osaka	MIO Biwako Shiga	Viatin Mie	FC Maruyasu Okazaki	Suzuka Point Getters	Line Mail Aomori	Nara Club	Matsue City FC	Iwaki FC	Kochi United SC
('ＨｏｎｄａＦＣ', 'H')			1△1					3○1	1△1			1○0
('ＨｏｎｄａＦＣ', 'A')		4○0			3○0		1△1				1○0
('Sony Sendai FC', 'H')	0●4												1△1			3○1
('Sony Sendai FC', 'A')			0●2			4○2				2○1		2○0		1●2
('Tokyo Musashino City FC', 'H')		2○0		1●2			2○1
('Tokyo Musashino City FC', 'A')	1△1										0●1					1△1
('Tegevajaro Miyazaki', 'H')					1△1								1●2	2○0
('Tegevajaro Miyazaki', 'A')			2○1					4○1	0△0		1○0
('Honda Lock SC', 'H')	0●3					1●2	0●4						0●3
('Honda Lock SC', 'A')				1△1										3○1	2○1	1○0
('Verspa Oita', 'H')		2●4								1○0		1●2			4○1
('Verspa Oita', 'A')					2○1				2○0				2○1
('FC Osaka', 'H')	1△1							1○0	1●2	0△0				2○1
('FC Osaka', 'A')			1●2		4○0										2●3
('MIO Biwako Shiga', 'H')				1●4							3△3	6○0		1○0
('MIO Biwako Shiga', 'A')	1●3						0●1		2○1	3○1
('Viatin Mie', 'H')				0△0		0●2		1●2		3○2
('Viatin Mie', 'A')	1△1						2○1						0●1	1●2
('FC Maruyasu Okazaki', 'H')		1●2						1●3				1△1			0●2
('FC Maruyasu Okazaki', 'A')						0●1	0△0		2●3							2○0
('Suzuka Point Getters', 'H')	0●1		1○0	0●1										1●2	1○0
('Suzuka Point Getters', 'A')								3△3					1○0			2△2
('Line Mail Aomori', 'H')		0●2												3○0	1△1
('Line Mail Aomori', 'A')	0●1					2○1		0●6		1△1
('Nara Club', 'H')						1●2			1○0		0●1					1△1
('Nara Club', 'A')		1△1		2○1	3○0										1●2
('Matsue City FC', 'H')		2○1			1●3				2○1							2○1
('Matsue City FC', 'A')				0●2			1●2	0●1			2○1	0●3
('Iwaki FC', 'H')					1●2		3○2						2○1			4○3
('Iwaki FC', 'A')						1●4				2○0	0●1	1△1
('Kochi United SC', 'H')			1△1		0●1					0●2	2△2
('Kochi United SC', 'A')		1●3											1△1	1●2	3●4

[PYTHON] Erstellen Sie eine Datensatztabelle aus den JFL-Übereinstimmungsergebnissen

Einführung

Schaben

Daten-Wrangling