file upload 攻防世界_用 Python 总结分析男篮世界杯

男篮世界杯已经落下帷幕，相信看球的朋友们都已经过足了篮球瘾。有些许遗憾，也有世界霸主的失落，还有老兵不死的坚持，当然还有斗牛军团的登顶。

自杀式输给波兰，溃败式负于尼日利亚，从前一直代表亚洲征战奥运会的中国，可能就要缺席下一届了。当阿联老去，中国即将不再有任何一名球员具备世界篮球运动员的水平，没有一个！期待中国男篮的再次崛起吧！

星光黯淡，小将领衔，教练席上的神奇老者也没能创造神奇，历史最差战绩，我们都不知道该不该赋予这只美国男篮以“梦之队”的称号。也许在不久后的东京，他们会球星云集，卷土重来吧。

什么是老兵，是接近40岁“高龄”的斗士，是场均准两双的无解，是令人啧啧称奇的坚持。钻石的最后，虽然没能如愿，但是谁又会在乎呢，你已经征服了整个世界！潘帕斯草原上的雄鹰，终将振翅高飞。

一如足球领域一样，斗牛军团的篮球同样强大。不能不佩服和感慨，当加索尔和卢比奥内外联合，双剑合璧时，他们就是篮球界的霸主。

下面我们就一起通过真实的数据，来细数本届男篮世界杯上的各项数据吧。

数据来源

下面分析的数据，都是抓取自新浪体育

数据抓取

在新浪体育网站上，有个世界杯专栏，在数据榜这个模块里，可以找个类似下面的链接

https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=FieldGoalsAverage&order=desc&dpc=1

该链接，只要修改 ordertype 字段，就可以获取到诸如球员得分，篮板球，助攻数等一些列数据，具体的过程就不说了，就是发请求，解析 json 的简单操作

import requestsimport time​​url_list = [ 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=PointsAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=ReboundsAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=PlusMinusAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=StealsAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=AssistsAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=BlockedAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=TurnoversAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=PersonalFoulsAverage', 'https://events.sports.sina.com.cn/bps/peony/mersh/beitai/fiba/stats/playerdata_order?leagueid=433&ordertype=FieldGoalsAverage']​​def fire(url): file_name = url.split('=')[2] res = requests.get(url).json() data = res['playerdata_order'] items = map(get_data, data) print('save data') save_to_csv(items, file_name)​​def get_data(data): name = data['CNAlias'] country = data['TeamCNName'] points = data['PointsAverage'] rebounds = data['ReboundsAverage'] steals = data['StealsAverage'] assists = data['AssistsAverage'] fouls = data['PersonalFoulsAverage'] plus_minus = data['PlusMinusAverage'] blocked = data['BlockedAverage'] goals_percentage = data['FieldGoalsPercentage_m'] turnovers = data['TurnoversAverage'] result = { 'name': name, 'country': country, 'points': points, 'rebounds': rebounds, 'steals': steals, 'assists': assists, 'fouls': fouls, 'plus_minus': plus_minus, 'blocked': blocked, 'goals_percentage': goals_percentage, 'turnovers': turnovers } return result​​def save_to_csv(data, file_name): with open(file_name + '_data.csv', 'w', encoding='utf-8') as f: f.write('name,country,points,rebounds,steals,assists,fouls,plus_minus,blocked,goals_percentage,turnovers') for d in data: try: row = '{},{},{},{},{},{},{},{},{},{},{}'.format(d['name'], d['country'], d['points'], d['rebounds'], d['steals'], d['assists'], d['fouls'], d['plus_minus'], d['blocked'], d['goals_percentage'], d['turnovers']) f.write(row) f.write('') except: continue​​if __name__ == '__main__': for url in url_list: fire(url) time.sleep(2)

数据保存

我分别抓取了以得分、篮板，助攻等排名的数据，并分别保存在不同的 csv 文件当中，最后的文件内容大致如下

全体球员可视化

几个亮点

✔ 韩国的归化球员竟然场均得分最高

✔ 阿联成功入选

✔ 没有美国人

可能是韩国队打的比赛不多，对手不是很强，这个罗建儿作为迷你型中锋，也可以在内线翻云覆雨。

阿联确实宝刀不老，还记得最后的生死战，如果没有阿联，比赛可能早花了。

再次印证本届美国男篮无大牌，没有绝对的进攻核心，可能是他们兵败中国的最大原因了。

球员篮板排名

有意思了，罗建儿竟然又是第一，要是按照国内排高校的标准，这妥妥的是双一流！

球员得分篮板排名

罗建儿是本届世界杯唯一的一个能拿到得分篮板两双的球员，且是20+10，能力还是毋庸置疑的！

然后就要说说两位老将了，斯科拉和易建联。两位都是17+的场均得分加上7+的篮板，能够看得出，在攻防两端，两名球员都是各自球队不可或缺的一员。真的是家有一老，如有一宝啊。

不过人家阿根廷男篮已经完成了新老交替，未来依旧可期。而中国男篮呢，未来靠谁，是亚洲第一后卫-郭艾伦，还是大魔王-周琦，都还缺乏领袖气质和绝对能力啊！

最佳阵容可视化分析

最佳阵容球员

the_best_lineup = [ '博格达诺维奇', '富尼耶', '卢比奥', '斯科拉', '加索尔']

球员能力分析

接下来就来看看本届世界杯，最佳阵容成员的各自数据。能力强不强，数据不说谎。

我分别选取了得分、篮板、助攻、抢断、封盖、犯规和失误为考察点，分别画出了各自的能力雷达图

三个外线，两个内线，各自都以不同的能力，影响着比赛，帮助着团队。

塞尔维亚的博格达诺维奇，得分能力比较强，场均助攻也不错，关键是助攻失误比非常低，妥妥的进攻发动机。

法国队的富尼耶，得分助攻比较平均，从数据上来看，是五个人中较弱的一位。但是其强大的冲击力，是法国队得以击败美国的关键之一。

西班牙的卢比奥，是五个人中助攻最高的一位，但是同时失误次数也最多。他在外线的威胁，是西班牙能够轻松击败阿根廷的重要因素。当年的金童已经蓄起了胡须，岁月的沧桑给了他更多的坚忍。

阿根廷的斯科拉，作为攻守两端的绝对核心，如果不是两鬓的点点白发，不会有人知道他已经39岁了。此时的数据已经不再重要，篮球才是一切！

西班牙的小加索尔，成功的从哥哥手中接过了国家队的大旗，不是十分华丽的数据的背后，是他在球场上的经验，老道和威慑力，有他在，西班牙就不会轻易被击败。

球员投篮命中率对比

没想到，投篮命中率最高的竟然是一名外线球员，也许这样和当今篮球的发展相关，大个往外跑，小个向里冲！

最佳五人组，每个人的命中率都在40%以上，怎一个稳字了得。

球员正负值对比

富尼耶是五个人中正负值最低的，我说他在五个人里最弱，是不是也从侧面得到了印证呢。

而加索尔的正负值是最高的，他就是球队的定海神针。犹记得当阿根廷反攻凶猛时，就是加索尔临危上场，稳定军心，遏制对手的进攻，成功帮助球队拿下比赛。