Python--NBA数据分析初探(上)

本文使用Python对NBA数据进行初步分析,探讨球员效率值、薪资、出场时间和年龄等关键指标,揭示球员表现与球队价值的关联。通过数据可视化,展示不同变量间的相关性,为理解篮球运动员的综合影响力提供洞见。
摘要由CSDN通过智能技术生成
3901436-9a987de5efbc2986

欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定!

对商业智能BI、大数据分析挖掘、机器学习,python,R等数据领域感兴趣的同学加微信:tstoutiao,邀请你进入数据爱好者交流群,数据爱好者们都在这儿。

作者:胡言    Python爱好者社区专栏作者

知乎ID:https://www.zhihu.com/people/hu-yan-81-25



每个球迷心中都有一个属于自己的迈克尔·乔丹。

作为一个资深的俄克拉荷马城雷霆伪球迷及菜鸟数据分析爱好者,

本文将尝试用jupyter notebook完成NBA菜鸟数据分析初探,

一边学习一遍练习,胡师傅深知顺着兴趣去做事往往会事半功倍,

寓教于乐,别出心裁,浅尝辄止,不亦乐乎?


特别感谢简书用户“牧羊的男孩”分享数据,

https://www.jianshu.com/p/2f34261aaa9f


数据解释:


3901436-69a3f3d17cf52187

(你就是传说中的那位拥有奇幻之旅的牧羊少年吧?给力!)


先载入要用到的模块:


import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline    ##魔法命令了解一下##


我的个人习惯是将整个分析用到的模块全都在开始处进行import,方便管理和调整。


载入数据:


data=pd.read_csv('/Users/huxugang/data/nba_2017_nba_players_with_salary.csv')
data.head()


  • 3
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值