本期导读
近几日，NBA官方公布了NBA商店欧洲官网NBAStore.eu本赛季至今的球衣等周边产品销售情况。湖人前锋勒布朗-詹姆斯在球员球衣销量中名列第一，湖人在球队产品销量中名列第一，这是詹姆斯和湖人连续两年包揽欧洲地区NBA球衣/球队产品销量头名。本期我们使用python分析一下这份榜单中的球员近几年比赛数据，看看有什么新发现。
欧洲地区球衣销量排名前十的球员：
- 勒布朗-詹姆斯
- 凯文-杜兰特
- 斯蒂芬-库里
- 凯里-欧文
- 詹姆斯-哈登
- 卢卡-东契奇
- 扬尼斯-阿德托昆博
- 贾-莫兰特
- 吉米-巴特勒
- 扎克-拉文
1. 网页分析
球员数据网址：http://www.stat-nba.com/playerList.php
这里我们分析榜单前五球员11-12赛季至19-20赛季的数据，感兴趣的小伙伴也可以分析更多球员的数据。
以詹姆斯为例：
提取历年球员的篮板、助攻和得分三项数据，F12查看一下网页源码如下：
这个网页还是比较友好的，数据比较规整，仔细分析可以看出数据在一个table里面，每个tr标签代表一行数据（一个赛季的数据），第14/17/22列分别对应篮板、助攻和得分数据，注意这里列号从0开始，大家在学习的时候要养成列表索引从0开始的习惯。
2. 数据采集
詹姆斯数据网址：http://www.stat-nba.com/player/1862.html
def getdata(): url = 'http://www.stat-nba.com/player/1862.html' ua = UserAgent() headers = {'User-Agent': ua.random} r = requests.get(url, headers=headers) r.raise_for_status() r.encoding = r.apparent_encoding soup = BeautifulSoup(r.text,'html.parser') lsts = soup.find_all('table',attrs={'class':'stat_box'}) trb_sorce = [] ast_sorce = [] pts_sorce = [] for index,lst in enumerate(lsts[1].find_all(attrs={'class':'sort'})[:9]): # 篮板 trb = lst.find(attrs={'class':'normal trb change_color col14 row{}'.format(index)}).text # 助攻 ast = lst.find(attrs={'class':'normal ast change_color col17 row{}'.format(index)}).text # 得分 pts = lst.find(attrs={'class':'normal pts change_color col22 row{}'.format()}).text trb_sorce.append(int(trb)) ast_sorce.append(int(ast)) pts_sorce.append(int(pts)) print(trb_sorce) print(ast_sorce) print(pts_sorce) # [472, 465, 709, 639, 565, 416, 533, 610, 492] # [636, 454, 747, 646, 514, 511, 488, 551, 387] # [1544, 1505, 2251, 1954, 1920, 1743, 2089, 2036, 1683]
以上就获取了詹姆斯11-12赛季至19-20赛季的三项数据。
接下来采集分列榜单2-5位的杜兰特，库里，欧文，哈登几个赛季的数据，网址如下：
# 杜兰特 'http://www.stat-nba.com/player/779.html' # 库里 'http://www.stat-nba.com/player/526.html' # 欧文 'http://www.stat-nba.com/player/1690.html' # 哈登 'http://www.stat-nba.com/player/1628.html'
可以看到，各球员数据网址只有球员id不同，构建球员id字典：
dic = {'詹姆斯': 1862, '杜兰特': 779, '库里': 526, '欧文': 1690, '哈登': 1628}
数据采集：
def getdata(number): url = 'http://www.stat-nba.com/player/{}.html'.format(number) ua = UserAgent() headers = {'User-Agent': ua.random} r = requests.get(url, headers=headers) r.raise_for_status() r.encoding = r.apparent_encoding soup = BeautifulSoup(r.text,'html.parser') lsts = soup.find_all('table',attrs={'class':'stat_box'}) one_info = [] trb_sorce = [] ast_sorce = [] pts_sorce = [] for index,lst in enumerate(lsts[1].find_all(attrs={'class':'sort'})[:5]): # 篮板 trb = lst.find(attrs={'class':'normal trb change_color col14 row{}'.format(index)}).text # 助攻 ast = lst.find(attrs={'class':'normal ast change_color col17 row{}'.format(index)}).text # 得分 pts = lst.find(attrs={'class':'normal pts change_color col22 row{}'.format(index)}).text trb_sorce.append(int(trb)) ast_sorce.append(int(ast)) pts_sorce.append(int(pts)) trb_sorce.reverse() ast_sorce.reverse() pts_sorce.reverse() one_info.append(trb_sorce) one_info.append(ast_sorce) one_info.append(pts_sorce) print(trb_sorce) print(ast_sorce) print(pts_sorce) return one_info
采集效果：
# 詹姆斯 [492, 610, 533, 416, 565, 639, 709, 465, 472] [387, 551, 488, 511, 514, 646, 747, 454, 636] [1683, 2036, 2089, 1743, 1920, 1954, 2251, 1505, 1544] # 杜兰特 [533, 527, 640, 598, 178, 589, 513, 464, 497] [214, 231, 374, 445, 110, 361, 300, 366, 457] [2161, 1850, 2280, 2593, 686, 2029, 1555, 1792, 2027] # 库里 [88, 314, 334, 341, 430, 353, 261, 369, 26] [138, 539, 666, 619, 527, 524, 310, 361, 33] [383, 1786, 1873, 1900, 2375, 1999, 1346, 1881, 104] # 欧文 [191, 216, 259, 237, 157, 230, 227, 335, 103] [275, 350, 433, 389, 250, 418, 306, 464, 128] [944, 1325, 1478, 1628, 1041, 1816, 1466, 1596, 548] # 哈登 [252, 379, 344, 459, 501, 659, 389, 518, 387] [229, 455, 446, 565, 612, 907, 630, 586, 450] [1044, 2023, 1851, 2217, 2376, 2356, 2191, 2818, 2096]
3. 可视化
3.1 詹姆斯近五个赛季数据：
也可以做成双纵坐标：
3.2 赛季数据时间序列化：
完。
END
以上就是本期为大家整理的全部内容了，小伙伴们也可以从其他角度进行数据分析和可视化，赶快练习起来吧，如需代码，后台回复“NBA”即可，喜欢的朋友可以
点赞、点在看
也可以分享到朋友圈让更多人知道哦
