NBA-Basketball-Statistik-Visualisierung
Dies ist mein erster Blogbeitrag. Ich nehme Sie mit auf meine Reise zur Erstellung einer Visualisierung auf Tableau. Wir erhalten sowohl Statistiken pro Spiel als auch Gesamtstatistiken für jedes NBA-Jahr. Ich werde Jupyter Notebook verwenden, um Code Zeile für Zeile einfach zu schreiben. Ich werde die Pandas-Bibliothek in Python verwenden, um Statistiken zu Sports Reference (https://www.sports-reference.com). Sports Reference ist eine großartige Seite, um Statistiken für Basketball, Baseball, Fußball, Fußball und Hockey zu erhalten. Wir werden die Schwesterwebsite Basketball Reference (https://www.basketball-reference.com).
Wir beginnen mit dem Import der notwendigen Bibliotheken, die wir für dieses Projekt benötigen. (Wenn Sie diese Bibliotheken noch nicht installiert haben, können Sie sie mit „!pip install …“ installieren.
!pip install pandas
import pandas as pd
import requests
import os
import glob
Während ich gesperrt bin, fügen wir unserem Code das Zeitbibliothekspaket hinzu und fügen eine Schlaffunktion hinzu, damit wir ihre Ratenbegrenzung respektieren. Fügen Sie die folgende Codezeile hinzu, wenn Sie viele Anforderungen stellen, um zu verhindern, dass das Anforderungslimit überschritten wird.
import time
# wait 'x' seconds
time.sleep(x)
#this is the url we want to scrape. Each year will go in the bracket
url_start = "https://www.basketball-reference.com/leagues/NBA_{}_totals.html"
#makes a list with all the years we want. starts with 1950, ends with 2022 (doesn’t include last year)
years = list(range(1950,2023))
#for loop that runs the code for every year
for year in years:
#tells the program to wait 5 seconds before running the next line of code
time.sleep(5)
#calls the url_start and inputs the year and sets that as the url
url = url_start.format(year)
#request to get the data from the url
data = requests.get(url)
#we are saving it to our computer to limit the amount of requests made
with open("totalstats_{}.html".format(year), "w+") as f:
f.write(data.text)
# use the pandas library to read the html file
df = pd.read_html("totalstats_1994.html")[0]
df
Unten habe ich Kommentare für jede Codezeile hinzugefügt. Einige Kommentare mögen für jemanden, der Erfahrung mit Pandas hat, offensichtlich sein, aber ich wollte es für einen Programmieranfänger ganz klar sagen.
dfs = []
for year in years:
# converting each table into a pandas dataframe
df = pd.read_html("totalstats_{}.html".format(year))[0]
# (1) deleting "Rk" column
del df["Rk"]
# (2) adding a year to the column
df["Year"] = year
# (3) removes "*" from the Player's name
df["Player"] = df["Player"].str.replace("*","", regex=False)
# (4) deleted a row that contains Player in the Player column
df = df[~df["Player"].str.contains("Player")]
# (5) deleted a row that contains TOT in the Tm column
df = df[~df["Tm"].str.contains("TOT")]
# add df to the dfs list
dfs.append(df)
# concats the df's to one df
players = pd.concat(dfs)
# resets the index of new df
players = players.reset_index(drop=True)
# converts df to a csv file
players.to_csv("players.csv", index=False)
# deletes the all the html files we previously saved to our computer
for file in glob.glob("totalstats_*"):
os.remove(file)
url_start = "https://www.basketball-reference.com/leagues/NBA_{}_per_game.html"
...
...
...
# saving pergamestats df to csv file
players.to_csv("pergamestats.csv", index=False)
Wie Sie oben sehen können, möchten wir sowohl Gesamtstatistiken als auch Statistiken pro Spiel verwenden. Wir können eine Beziehung zwischen diesen beiden durch die Spalte „Spieler“ und „Jahr“ herstellen.
Für das erste Diagramm möchten wir ein Balkendiagramm, das die Top-Spieler in der Punktzahl zeigt. Wir müssen einen Parameter erstellen, der es dem Benutzer ermöglicht, seine Top-N-Spieler auszuwählen. Auf der linken Seite befindet sich ein nach unten gerichtetes Dreieck mit der Option „Create Parameter“. Sie können es so anpassen, wie Sie es für richtig halten, aber unten ist meine Präferenz.
Wir haben die Spieler nach Team farbcodiert. Wir möchten „Tm“ und „Jahr“ als Filter hinzufügen, damit der Benutzer jeden Wert ändern kann. Es ist wichtig, dem Kontext auch „Tm“ und „Jahr“ hinzuzufügen. Wenn Sie das Jahr oder das Team ändern, werden die Top-N-Spieler innerhalb dieses Filters angezeigt.
Unsere nächsten Tabellen werden sehr ähnlich sein, eine ist für 3-Punkte-Schießen und die andere für Freiwürfe. Die Idee hier ist, die Effizienz und Häufigkeit jedes 3-Punkt- und Freiwurfschießens der Spieler im Vergleich zueinander zu veranschaulichen. Wir setzen „3PM“ in den Spaltenabschnitt und „3P%“ in den Zeilenabschnitt, beide als kontinuierliche (grüne) Dimensionen. Wir möchten die Punkte so formatieren, dass sie andere Merkmale wie Spielername, Jahr und auch 3 versuchte Punkte anzeigen. (Hinweis: Merkmale, die sich in Zeile, Spalte und Farbe befinden, werden automatisch in der QuickInfo-Anzeige angezeigt, wenn Sie mit der Maus über die Punkte fahren).
Probieren Sie die Freiwurftabelle selbst aus. (Es ist nicht so schwer, wenn Sie das 3-Punkte-Diagramm gemacht haben.)
Dies ist eine grundlegende Visualisierung
Sie können meine aktuelle NBA Stat Viz hier sehen:

![Was ist überhaupt eine verknüpfte Liste? [Teil 1]](https://post.nghiatu.com/assets/images/m/max/724/1*Xokk6XOjWyIGCBujkJsCzQ.jpeg)



































