Python获取NBA历史巨星和现役所有球员生涯数据曲线

简介: Python获取NBA历史巨星和现役所有球员生涯数据曲线

640.jpg

1.序

之前用 Python 写过一个自动生成球员职业生涯数据的程序,没想到反响很好,本人也感到很欣慰。很多人问我怎么做的,如何学 python 的,也有提建议说集成到 web 里面的。

其实最开始我也是考虑到集成到 web 里面,但是由于时间关系,只是简单的做了一下,没想到引起了大家的关注和建议。所以这次就做了升级,集成到 web 中!先看效果吧:

乔丹科比

2.环境配置

语言:Python3

编辑器:Pycharm

web框架:Flask

数据可视化:Pyecharts

项目主目录有个 requirements.txt 文件,里面是项目所需要的依赖包,你只需在终端输入以下命令

pip install -r requirements.txt

依赖包就会自动安装

3.功能升级

现升级完之后加入了以下功能:

3.1 将爬虫集成到web中,通过在浏览器输入球队名称获取球队下所有球员

猛龙勇士

3.2 支持现役所有球员生涯数据曲线,同时包括常规赛和季后赛数据

伦纳德

当 game=0 的时候,获取常规赛数据,game=1 获取季后赛数据

不得不吐糟一下公众号只支持上传 2M 以下的 gifgif 大了又不支持,gif 小了又不清晰…

所以很多时候录完视频后裁剪成 gif 要花费十几二十分钟的时间,很痛苦…哪位朋友有好方法,还请联系我!

3.3 同时支持退役球星数据,比如篮球界第一老流氓 乔丹

乔丹常规赛乔丹季后赛老流氓就是老流氓,季后赛场均得分没有低于 29 以下的!85-86赛季达到了恐怖的 43.7 分!

3.4 支持更改背景颜色,同时支持图片下载

比如 魔术师约翰逊 的数据,在请求的时候加入 color 参数

http://127.0.0.1:5800/retire/player?retire=魔术师&game=1&color=yellow

魔术师

根据你传的 color 设置背景色,同时左上角有个下载按钮,点击可下载。是不是很强大!

4.代码讲解

4.1 Flask部分

请求地址:共有三个请求地址,代码所在 urls.py,可以根据个人喜好修改地址

urls

其中根据球队获取球员地址为 /nba/team/, 现役球员生涯数据为 /nba/player/, 退役球星数据为 /retire/player/

请求参数:代码所在 forms.py

参数

具体该传什么参数,代码在上面。其中 color 是可选的!

运行项目:项目主目录下有个 run.py 文件,直接运行即可!

4.2 爬虫部分

之前程序是抓的虎扑上面的数据,虎扑网有个 bug :每个球员都多了一条 2017 年汇总的数据(不清楚是干什么的),现代码已修正。而且虎扑不支持历史球员数据查询,所以现在加入了一个新网站,代码部分如下:

主要涉及到 html 提取技术,之前文章都有介绍,不详说了。

4.3 数据可视化部分

此部分主要是将 pyecharts 集成到 flask 中,集成的文件在 templates 中有些是默认文件,新增的部分是发送 ajax 请求,生成球员曲线。

没有什么太多要说的,因为我之前的文章都有介绍过 pyecharts 的用法

PS:请帮忙点击转发给更多喜欢篮球的朋友,谢谢!

项目地址:https://github.com/GoJerry/nbaPlayer





相关文章
|
28天前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
13天前
|
图形学 Python
SciPy 空间数据2
凸包(Convex Hull)是计算几何中的概念,指包含给定点集的所有凸集的交集。可以通过 `ConvexHull()` 方法创建凸包。示例代码展示了如何使用 `scipy` 库和 `matplotlib` 绘制给定点集的凸包。
22 1
|
14天前
|
JSON 数据格式 索引
Python中序列化/反序列化JSON格式的数据
【11月更文挑战第4天】本文介绍了 Python 中使用 `json` 模块进行序列化和反序列化的操作。序列化是指将 Python 对象(如字典、列表)转换为 JSON 字符串,主要使用 `json.dumps` 方法。示例包括基本的字典和列表序列化,以及自定义类的序列化。反序列化则是将 JSON 字符串转换回 Python 对象,使用 `json.loads` 方法。文中还提供了具体的代码示例,展示了如何处理不同类型的 Python 对象。
|
14天前
|
数据采集 Web App开发 iOS开发
如何使用 Python 语言的正则表达式进行网页数据的爬取?
使用 Python 进行网页数据爬取的步骤包括:1. 安装必要库(requests、re、bs4);2. 发送 HTTP 请求获取网页内容;3. 使用正则表达式提取数据;4. 数据清洗和处理;5. 循环遍历多个页面。通过这些步骤,可以高效地从网页中提取所需信息。
|
1月前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
50 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
|
1月前
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
42 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
26天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
53 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
1月前
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
47 2
|
13天前
|
索引 Python
SciPy 空间数据1
SciPy 通过 `scipy.spatial` 模块处理空间数据,如判断点是否在边界内、计算最近点等。三角测量是通过测量角度来确定目标距离的方法。多边形的三角测量可将其分解为多个三角形,用于计算面积。Delaunay 三角剖分是一种常用方法,可以对一系列点进行三角剖分。示例代码展示了如何使用 `Delaunay()` 函数创建三角形并绘制。
22 0
|
1月前
|
JSON 安全 数据安全/隐私保护
深度剖析:Python如何运用OAuth与JWT,为数据加上双保险🔐
【10月更文挑战第10天】本文介绍了OAuth 2.0和JSON Web Tokens (JWT) 两种现代Web应用中最流行的认证机制。通过使用Flask-OAuthlib和PyJWT库,详细展示了如何在Python环境中实现这两种认证方式,从而提升系统的安全性和开发效率。OAuth 2.0适用于授权过程,JWT则简化了认证流程,确保每次请求的安全性。结合两者,可以构建出既安全又高效的认证体系。
44 1