pandas分析NBA2017-2018赛季球员球队数据

最新推荐文章于 2024-07-10 09:00:00 发布

The_best_man

最新推荐文章于 2024-07-10 09:00:00 发布

阅读量8k

点赞数 3

分类专栏： Python # 爬虫文章标签： python 数据分析 NBA pandas

本文链接：https://blog.csdn.net/the_best_man/article/details/78331450

版权

Python 同时被 2 个专栏收录

6 篇文章 0 订阅

订阅专栏

爬虫

3 篇文章 0 订阅

订阅专栏

pandas分析NBA2017-2018赛季球员球队数据

进入 NBA中国官方网站:http://china.nba.com/playerindex/
通过浏览器操作检查 -> Network -> F5 双击json的文件进入
链接地址 http://china.nba.com/static/data/league/playerlist.json
现在的格式显示不利于查看,请安装 JSONview 的扩展程序

代码编写球员信息抓取

playerinfo.py

# -*-coding:utf-8-*-
import requests
import pandas as pd
user_agent = 'User-Agent: Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)'
headers = {'User-Agent':user_agent}
url = 'http://china.nba.com/static/data/league/playerlist.json'
# 解析网页
r = requests.get(url,headers=headers).json()
num = int(len(r['payload']['players']))-1 #得到列表r['payload']['players']的长度

print "长度为", num

p1_cols = []
# 用来存放p1数组的列
p2_cols = []
# 用来存放p2数组的列
# 遍历其中一个['playerProfile']，['teamProfile'] 得到各自列名，添加到p1_cols和p2_cols列表中
for x in r['payload']['players'][0]['playerProfile']:
    p1_cols.append(x)
for y in r['payload']['players'][0]['teamProfile']:
    p2_cols.append(y)
p1 = pd.DataFrame(columns=p1_cols)
# 初始化一个DataFrame p1 用来存放playerProfile下的数据
p2 = pd.DataFrame(columns=p2_cols)
# 初始化一个DataFrame p1 用来存放playerProfile下的数据

# 遍历一次得到一个球员的信息，分别添加到DataFrame数组中
for z in range(num):
    player = pd.DataFrame([r['payload']['players'][z]['playerProfile']])
    team = pd.DataFrame([r['payload']['players'][z]['teamProfile']])
    p1 = p1.append(player, ignore_index=True)
    p2 = p2.append(team, ignore_index=True)


p3 = pd.merge(p1, p2, left_index=True, right_index=True)
print p3
# 数据合并
p3.to_csv('nba_player.csv', index=False, encoding="utf-8")
# 保存文件

代码编写球员数据抓取

playerstatic.py


# -*-coding:utf-8-*-
import requests
import pandas as pd
user_agent = 'User-Agent: Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)'
headers = {'User-Agent': user_agent}
url = 'http://china.nba.com/static/data/league/playerstats_All_All_All_0_All_false_2017_2_All_Team_points_All_perGame.json'
# 解析网页
r = requests.get(url,headers=headers).json()
num = int(len(r['payload']['players']))-1 #得到列表r['payload']['players']的长度

print "长度为", num

p1_cols = []
# 存放球员的信息
p2_cols = []
# 存放球员所在球队的新消息
p3_cols = []
# 存放球员平均数据
p4_cols = []
# 存放球员数据

# 遍历其中一个['playerProfile']，['teamProfile'] 得到各自列名，添加到p1_cols和p2_cols列表中
for x in r['payload']['players'][0]['playerProfile']:
    p1_cols.append(x)
for x in r['payload']['players'][0]['teamProfile']:
    p2_cols.append(x)
for x in r['payload']['players'][0]['statAverage']:
    p3_cols.append(x)
for x in r['payload']['players'][0]['statTotal']:
    p4_cols.append(x)

# 初始化一个DataFrame 用来存放数据
p1 = pd.DataFrame(columns=p1_cols)
p2 = pd.DataFrame(columns=p2_cols)
p3 = pd.DataFrame(columns=p3_cols)
p4 = pd.DataFrame(columns=p4_cols)

# 遍历一次得到一个球员的信息，分别添加到DataFrame数组中
for z in range(num):
    player = pd.DataFrame([r['payload']['players'][z]['playerProfile']])
    team = pd.DataFrame([r['payload']['players'][z]['teamProfile']])
    statAverage = pd.DataFrame([r['payload']['players'][z]['statAverage']])
    statTotal = pd.DataFrame([r['payload']['players'][z]['statTotal']])
    p1 = p1.append(player, ignore_index=True)
    p2 = p2.append(team, ignore_index=True)
    p3 = p3.append(statAverage, ignore_index=True)
    p4 = p4.append(statTotal, ignore_index=True)

# 数据合并   两两合并
p6 = pd.merge(p1, p2, left_index=True, right_index=True)
p7 = pd.merge(p3, p4, left_index=True, right_index=True)
p5 = pd.merge(p6, p7, left_index=True, right_index=True)

#print p5
# 保存文件
p5.to_csv('nba_player_static.csv', index=False, encoding="utf-8")

数据整合

将数据读入

# -*-coding:utf-8-*-
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

player = pd.read_csv("nba_player.csv") # 读入球员基本信息
playerstatic = pd.read_csv("nba_player_static.csv") # 读入球员的数据信息

球员头信息尾信息
player.head()前五条记录

player.tail()后五条记录
球员各个国家统计
player['country'].value.counts()

喀麦隆~~~~ 恩比德大帝
各大洲球员统计

NorthAmerica = {'巴哈马','美国','加拿大','海地','多米尼加共和国','波多黎各'} 
SouthAmerica = {'哥伦比亚','委内瑞拉','圭亚那','苏里南','厄瓜多尔','秘鲁','巴西','玻利维亚','智利','巴拉圭','乌拉圭','阿根廷'}
Europe = {'法国','西班牙','德国','瑞典','黑山', '波兰','捷克共和国', '斯洛文尼亚乌克兰', '奥地利', '希腊' ,'芬兰', '英国', '俄罗斯', '波斯尼亚和黑塞哥维那', '塞尔维亚', '克罗地亚','波斯尼亚' ,'意大利','瑞士', '立陶宛', '比利时', '拉脱维亚' }
Africa = {'喀麦隆','南苏丹','突尼斯','刚果民主共和国', '苏丹', '刚果','塞内加尔','加纳','马里', '埃及'}
Oceania = {'澳洲','新西兰'}
Asia = {'土耳其', '中国', '以色列', '格鲁吉亚'}

asiaPlayer = player[player['country'].isin(Asia)]
northAmericaPlayer = player[player['country'].isin(NorthAmerica)]
southAmericaPlayer = player[player['country'].isin(SouthAmerica)]
europePlayer = player[player['country'].isin(Europe)]
oceaniaPlayer = player[player['country'].isin(Oceania)]
africaPlayer = player[player['country'].isin(Africa)]
# 各大洲球员人数
north = len(northAmericaPlayer)
south = len(southAmericaPlayer)
europe = len(europePlayer)
africa = len(africaPlayer)
asia = len(asiaPlayer)
oceania = len(oceaniaPlayer)
d=[north,south,europe,africa,asia,oceania]
i=['north','south','europe','africa','asia','oceania']
n=[0,1,2,3,4,5]
contient = pd.Series(data=d,index=i)
print '北美洲球员人数:',north
print '南美洲球员人数:',south
print '欧洲球员人数:',europe
print '非洲球员人数:',africa
print '亚洲球员人数:',asia
print '大洋洲洲球员人数:',oceania

#  各大洲球员人数统计图
contient.sort_index(ascending=True)
contient.plot(kind='bar',alpha = 0.5)
plt.xlabel("contient")
plt.ylabel("theNumOfPlayer")
plt.title("The number of players on all continents ")
for a,b in zip(n,d): # matplotlib可视化之如何给图形添加数据标签
   plt.text(a-0.1, b+0.05, '%.0f' % b)
plt.show()

这里写图片描述

各个位置球员人数统计
player['position'].value_counts()

这里写图片描述
小球时代，传统中锋所剩无几

将球员按照选秀时间直方图

df = player
df = df[(True-df['draftYear'].isin([00]))]  ##删除掉 00年球员 不必要的干扰行数据
df = df['draftYear'].value_counts() # 统计各个年份球员人数
df.index.name='Year' # 为数据设置索引值
df = df.sort_index(ascending=True) # 按照降序
## 绘制条形统计图
df.plot(kind = 'bar', alpha = 0.5)
plt.xlabel('years')
plt.ylabel('count')
plt.title('2017-2018 NBA season players')
plt.show()

这里写图片描述

就剩卡特一人了

计算现役球员平均职业年龄

career_age = player['experience'].value_counts()#职业年龄统计
career_age.values # 各职业时间对应人数
career_age.index # 各职业时间
k = career_age.index * career_age.values # 各职业时间*各职业时间对应人数
k = pd.Series(k) #转换数据类型
averAge = (k.sum()*1.0)/career_age.sum()

输出结果为 4.2931726907630523 年

知识点

Series 的sort_index(ascending=True)方法可以为对index进行排序操作True表示升序操作,False表示降序操作
若要按值对 Series 进行排序，当使用 .order(na_last=True, ascending=True, kind=’mergesort’) 方法，任何缺失值默认都会被放到 Series 的末尾。
在DataFrame上，.sort_index(axis=0, by=None, ascending=True) 方法多了一个轴向的选择参数与一个 by 参数的作用是针对某一（些）列进行排序（不能对行使用 by 参数）。注意在使用sort_index对DataFrame进行排序的时候，不能直接对index和columns都含有的字段进行排序，会报错。
isin()将要过滤的数据放入括号内且以字典的形式
len()用来统计DataFrame的行数
matplotlib可视化之如何给图形添加数据标签？