1。在此数据分析案例中，我制作了一个视频版本，解释了代码，并讨论了运行的预防措施以及其中一些供应和需求。视频制作不是很有经验，并且包含更多的内容。 （视频中有鸡蛋）

NBA星星分布

2。编写了案件的代码后，我将其发送给老虎。结果，建议我进入主页，观看次数超过250,000，答复了近800个...谢谢大家的脸，享受脸！

3。获取原始图片，更多播放器生成的结果和完整的代码，请回复公共帐户编程教室中的关键字”

--------------------------------

NBA 2018-19赛季已经结束nba球队出手次数统计，猛龙队击败了勇士队，并成为新的冠军队。

我认为最好成为与NBA相关的数据分析案例。实际上，数据分析团队已经是当前NBA团队的标准配置，在玩家选择和战术配方中都起着重要作用。目前越来越普遍的“魔术弹性”游戏实际上是基于数据分析的产品。

因此，我们使用官方数据和绘图功能来查看拍摄不同玩家的位置。

0。效果显示

像往常一样查看结果。每个点一次是一次拍摄的，蓝点被投票，红点不在中间。选择一些特征：

哈登，魔术球很明显，效率低下的事情绝对没有两分。

西蒙斯nba球队出手次数统计，古典中心

，CIC的小王子

字母，您会在篮子下感到困惑！

咖喱，这必须发布...

科比，累积职业，没有各个方面的死亡，包括反弹后的负角度

从下面的特定步骤中看，我们带了杰里米·林霍（ Lin Hao），后者本赛季刚刚赢得了冠军戒指。

1。获取数据

NBA有一个官方统计网站：上面有各种数据，可以说是宝藏。

从网页中，我找不到所需的数据。但是通过一些搜索，我找到了网站的开放接口API。相关接口和文档您可以从此项目中查看：

-api

///

通过以下接口，我们可以在指定季节获得播放器的详细数据：

+＆= 0＆=＆mode =＆= 0＆= 1＆= 0＆=

参数是查询玩家的ID。可以通过在网页上搜索播放器名称从相应的URL获得此ID。例如，林·舒霍（Lin ）是

链接2018-19的两个地方是季节参数。您可以更改为其他季节，但我已经尝试了太早。在96年之前没有数据，并且早期数据准确性更糟。

可以控制其他参数。

使用库轻松获得结果（需要添加）：

 response = requests.get(url, headers=headers, timeout=5)

2。分析数据

返回的数据是JSON格式，该格式将其转换为以下格式以进行遵循-up处理：

 data = response.json()
# 获取列名即每项投球数据的意思
headers = data['resultSets'][0]['headers']
# 获取投球的相关数据
shots = data['resultSets'][0]['rowSet']
# 转 DataFrame
shot_df = pd.DataFrame(shots, columns=headers)

我们关心的数据是LOC_Xnba球队出手次数统计，LOC_Y（射击位置）和（是否铸造）的三列。

3。画一个射击点

使用库的分散点绘图方法绘制射击点。在我们以前的情况下，这也已多次使用：

 made = shot_df[shot_df['SHOT_MADE_FLAG']==1]
miss = shot_df[shot_df['SHOT_MADE_FLAG']==0]
plt.scatter(miss.LOC_X, miss.LOC_Y, color='r', marker='.', alpha=0.3)
plt.scatter(made.LOC_X, made.LOC_Y, color='b', marker='.', alpha=0.3)

我们通过参数设置点的大小和透明度使显示更清楚。

4。画体育场

拍摄是绘制的，但不够直观。让我们添加体育场的图片。

这是通过方法，弧和其他方法拼写的。没有什么特殊的技术，但是代码很麻烦，它不会在这里发布。 （只要您愿意，您甚至可以使用它来绘制小猪页面）

5。添加头像

最后，在数据图中添加一个化身，以使其看起来更完整。头像地址：

或者

文件名仍然是播放器的ID，但是此地址对所有玩家都无效，并且可以处理。

pic = urllib.request.urlretrieve("http://stats.nba.com/media/players/230x185/202391.png")
# imread 读取的图像可以被 matplotlib 绘制
head_pic = plt.imread(pic[0])
# 将球员图片放置于右上角，并设置缩小等级以配合整个图片
img = OffsetImage(head_pic, zoom=0.6)
# (x, y) 控制将球员放在你想要放的位置
img.set_offset((540,640))
# 添加球员图片
fig.gca().add_artist(img)

如果计算机上的位置不正确，请记住修改值（不同的系统，甚至不同的编译器也可能有所不同）。

最终效果：

获取原始图片，更多玩家产生的结果以及完整的代码，请回复公共帐户编程教室中的关键字：NBA：NBA

标签：nba球队出手次数统计