美文网首页我爱编程
pandas分析NBA2017-2018赛季球员球队数据

pandas分析NBA2017-2018赛季球员球队数据

作者: HarlanZhou | 来源:发表于2017-10-25 16:17 被阅读65次

    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()

    • 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()
    
    

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

    小球时代,传统中锋所剩无几
    来张恩比德大帝镇楼

    • 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()
    

    • 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?

    相关文章

      网友评论

        本文标题:pandas分析NBA2017-2018赛季球员球队数据

        本文链接:https://www.haomeiwen.com/subject/fenqpxtx.html