用 Python 自动获取NBA现役球员的职业生涯数据曲线

简介: 用 Python 自动获取NBA现役球员的职业生涯数据曲线

前言

作为一个看了多年篮球的 NBA球迷,一直在想用 python 和篮球一起来写点什么

加上最近在学习 pyecharts ,所以就有了下面这篇文章:

根据输入的球队和球员名字,自动生成该球员职业生涯数据曲线图!

✨ 效果

640.gif

火箭哈登

640.gif

勇士格林

我只挑了两个球员,感兴趣的朋友可以在后台回复 “nba” 获取源码。

输入自己喜爱的球队和球员名称即可

通过这些曲线图,球星的职业生涯的数据一目了然:

不得不说登哥每年数据都在上升

而勇士的格林自从拿了大合同,数据全面下滑,哈哈

怎么做的?

1.首先需要了解 pyecharts 的折线图用法

2.基本的爬虫

因为坚持原创,精力也有限,所以程序暂时只支持湖人,火箭,勇士这三支比较热门的球队

如果对其他球队也有需求,可以联系我添加进去。

Line:折线/面积图

折线图是用折线将各个数据点标志连接起来的图表,用于展现数据的变化趋势。

折线/面积图对应的模块是 Line

可以配置折线的形式,颜色,标注最大值,最小值等

具体请看下面的 add_yaxis 的详细说明

Line 模块对应的函数使用说明:

1def add_yaxis(
 2    # 系列名称,用于 tooltip 的显示,legend 的图例筛选。
 3    series_name: str,
 4
 5    # 系列数据
 6    y_axis: Sequence,
 7
 8    # 是否选中图例
 9    is_selected: bool = True,
10
11    # 使用的 x 轴的 index,在单个图表实例中存在多个 x 轴的时候有用。
12    xaxis_index: Optional[Numeric] = None,
13
14    # 使用的 y 轴的 index,在单个图表实例中存在多个 y 轴的时候有用。
15    yaxis_index: Optional[Numeric] = None,
16
17    # 系列 label 颜色
18    color: Optional[str] = None,
19
20    # 是否显示 symbol, 如果 false 则只有在 tooltip hover 的时候显示。
21    is_symbol_show: bool = True,
22
23    # 标记的图形。
24    # ECharts 提供的标记类型包括 'circle', 'rect', 'roundRect', 'triangle', 
25    # 'diamond', 'pin', 'arrow', 'none'
26    # 可以通过 'image://url' 设置为图片,其中 URL 为图片的链接,或者 dataURI。
27    symbol: Optional[str] = None,
28
29    # 标记的大小,可以设置成诸如 10 这样单一的数字,也可以用数组分开表示宽和高,
30    # 例如 [20, 10] 表示标记宽为 20,高为 10。
31    symbol_size: Union[Numeric, List] = 4,
32
33    # 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置。
34    stack: Optional[str] = None,
35
36    # 是否平滑曲线
37    is_smooth: bool = False,
38
39    # 是否显示成阶梯图
40    is_step: bool = False,
41
42    # 标记点配置项,参考 `series_options.MarkPointOpts`
43    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,
44
45    # 标记线配置项,参考 `series_options.MarkLineOpts`
46    markline_opts: Union[opts.MarkLineOpts, dict, None] = None,
47
48    # 提示框组件配置项,参考 `series_options.TooltipOpts`
49    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
50
51    # 标签配置项,参考 `series_options.LabelOpts`
52    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
53
54    # 线样式配置项,参考 `series_options.LineStyleOpts`
55    linestyle_opts: Union[opts.LineStyleOpts, dict] = opts.LineStyleOpts(),
56
57    # 填充区域配置项,参考 `series_options.AreaStyleOpts`
58    areastyle_opts: Union[opts.AreaStyleOpts, dict] = opts.AreaStyleOpts(),
59
60    # 图元样式配置项,参考 `series_options.ItemStyleOpts`
61    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
62)
63

示例代码:

1# coding: utf-8
 2from pyecharts import options as opts
 3from example.commons import Faker
 4from pyecharts.charts import Line
 5
 6
 7def line_base() -> Line:
 8    c = (
 9        Line()
10        .add_xaxis(Faker.choose())
11        .add_yaxis("商家A", Faker.values(), color="blue", is_smooth=True, markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min")]))
12        .add_yaxis("商家B", Faker.values(), is_smooth=True, markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]))
13        .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))
14    )
15    return c
16
17
18if __name__ == "__main__":
19    line_base().render("line.html")
20    pass

运行之后在本地目录,会生成一个 line.html 的文件

效果图如下:

折线图

程序用法

在输入球队和球员的时候,请使用空格分开

另因为每个人对 NBA 球员的叫法可能会不一样,所以做了一下统一,输入的时候请注意!

比如, 以下火箭球员的名称集合

1rocket_mapping = {
 2    "保罗": "克里斯-保罗",
 3    "哈登": "詹姆斯-哈登",
 4    "卡佩拉": "卡佩拉克林特-卡佩拉",
 5    "戈登": "埃里克-戈登",
 6    "香珀特": "伊曼-香珀特",
 7    "塔克": "PJ-塔克",
 8    "内内": "内内",
 9    "格林": "杰拉德-格林",
10    "法里埃德": "肯尼思-法里德",
11    "小李": "奥斯汀-里弗斯",
12    "豪斯": "丹纽尔-豪斯",
13    "克拉克": "加里-克拉克",
14    "杜瓦尔": "特雷旺-杜瓦尔",
15}

后台回复 “nba” 获取该程序



相关文章
|
2月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
1338 1
|
2月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
427 0
|
2月前
|
JSON 算法 API
Python采集淘宝商品评论API接口及JSON数据返回全程指南
Python采集淘宝商品评论API接口及JSON数据返回全程指南
|
2月前
|
JSON API 数据安全/隐私保护
Python采集淘宝拍立淘按图搜索API接口及JSON数据返回全流程指南
通过以上流程,可实现淘宝拍立淘按图搜索的完整调用链路,并获取结构化的JSON商品数据,支撑电商比价、智能推荐等业务场景。
|
3月前
|
存储 监控 API
Python实战:跨平台电商数据聚合系统的技术实现
本文介绍如何通过标准化API调用协议,实现淘宝、京东、拼多多等电商平台的商品数据自动化采集、清洗与存储。内容涵盖技术架构设计、Python代码示例及高阶应用(如价格监控系统),提供可直接落地的技术方案,帮助开发者解决多平台数据同步难题。
|
3月前
|
存储 JSON 算法
Python集合:高效处理无序唯一数据的利器
Python集合是一种高效的数据结构,具备自动去重、快速成员检测和无序性等特点,适用于数据去重、集合运算和性能优化等场景。本文通过实例详解其用法与技巧。
138 0
|
3月前
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。
|
3月前
|
JSON API 数据安全/隐私保护
Python采集淘宝评论API接口及JSON数据返回全流程指南
Python采集淘宝评论API接口及JSON数据返回全流程指南
|
3月前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
3月前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。

推荐镜像

更多