R语言 爬取数据+简单清洗

小小练习。见代码+注释

r 复制代码
 
# 加载必要的包
library(rvest)
library(dplyr)
library(tidyr)

# 指定网页URL
url <- "https://research.un.org/en/unmembers/scmembers"

# 读取网页内容
webpage <- read_html(url)

# 提取所有表格节点
table_nodes <- html_nodes(webpage, "table")

# 将第一个表格转换为数据框
sc_members_table1 <- html_table(table_nodes[1], fill = TRUE)
# 将第二个表格转换为数据框
sc_members_table2 <- html_table(table_nodes[2], fill = TRUE)

# 合并两个数据框
sc_members_combined <- bind_rows(sc_members_table1, sc_members_table2)

# 显示合并后的数据框
print(sc_members_combined)

# 保存合并后的数据框为CSV文件
write.csv(sc_members_combined, "web_data.csv", row.names = FALSE)



# ------------------------------ 处理数据。  ------------------------------ 


# 读取CSV文件
data <- read.csv("web_data.csv", stringsAsFactors = FALSE)
data

# 删掉最后一列
data <- data[, -ncol(data)]

head(data, 2)

# 拆分Members of Security Council列

print(colnames(data))

# Members.of.Security.Council

# 分割国家为单独的行 Members of Security Council
data_split <- data %>%
  separate_rows(`Members.of.Security.Council`, sep = ", ") %>%
  select(Year, `Members.of.Security.Council`)

# 重命名列
colnames(data_split) <- c("Year", "Country")



# 列出联合国常任理事国的英文名字
permanent_members <- c("China", "France", "Russian Federation", "United Kingdom", "United States")

# 新建一列 votes,所有值为 1
data_split <- data_split %>%
  mutate(votes = 1)

# 新建一列 veto,对于常任理事国,veto 值为 1,否则为 0
data_split <- data_split %>%
  mutate(veto = ifelse(Country %in% permanent_members, 1, 0))

# 新建一列 vote_share,根据 Year 列的值进行计算
data_split <- data_split %>%
  mutate(vote_share = ifelse(Year >= 1996, 1/15, 1/11))



# 保存结果到新的CSV文件
write.csv(data_split, "clean_data.csv", row.names = FALSE)

# 查看结果
print(data_split)
相关推荐
糯米导航1 分钟前
Java毕业设计:办公自动化系统的设计与实现
java·开发语言·课程设计
糯米导航4 分钟前
Java毕业设计:WML信息查询与后端信息发布系统开发
java·开发语言·课程设计
MessiGo32 分钟前
Javascript 编程基础(5)面向对象 | 5.1、构造函数实例化对象
开发语言·javascript·原型模式
大霞上仙36 分钟前
nonlocal 与global关键字
开发语言·python
galaxy_strive41 分钟前
绘制饼图详细过程
开发语言·c++·qt
黑客老李1 小时前
JavaSec | SpringAOP 链学习分析
java·运维·服务器·开发语言·学习·apache·memcached
开开心心就好2 小时前
高效Excel合并拆分软件
开发语言·javascript·c#·ocr·排序算法·excel·最小二乘法
特立独行的猫a2 小时前
Nuxt.js 中的路由配置详解
开发语言·前端·javascript·路由·nuxt·nuxtjs
勤奋的知更鸟2 小时前
Java编程之原型模式
java·开发语言·原型模式
珂朵莉MM2 小时前
2021 RoboCom 世界机器人开发者大赛-高职组(初赛)解题报告 | 珂学家
java·开发语言·人工智能·算法·职场和发展·机器人