作者:乐多体育 | 发表于:2022-11-23 | 阅读:36次

NBA投篮数据可视化4行代码就能实现

作者 | 小F

来源 | 法纳斯特(ID:walker398)

头图 | CSDN 下载自东方IC

之前小F说了G6湖人总冠军,果不其然湖人夺冠了。

不过硬实力摆在那里,说不说其实关系也不大,哈哈哈。

NBA投篮数据可视化4行代码就能实现

36岁的老詹还没有老,4座总冠军 4次FMVP。

关于NBA球员投篮数据的可视化,小F以前也写过一篇文章。

访问地址:NBA球员投篮数据可视化

自己画球场图,自己爬数据,码了不少代码。

这回发现了大佬造的轮子,只需4行代码就能实现。

GitHub地址:

https://github.com/theccalderon/shot_chart

在PyCharm上直接安装shot-chart库,记得版本选1.0.0的。

最新版本是1.1.0,得分和未得分没有明显区分开,所以小F选择安装1.0.0版本。

大伙也可以两个版本都下载安装,看有什么差异。

from shot_chart.core import *# 2019-2020赛季shots_2019 = make_df(untar_data(URLs.SHOTS_2019))

同样的这位大佬也是把数据放在网络上,需要通过数据请求才能获取到。

此处小F通过查看源代码(core.py),发现数据的请求地址。

NBA投篮数据可视化4行代码就能实现

地址如下,从2000-2001赛季到2019-2020赛季。

# 2000-2001赛季常规赛数据https://nba-shot-charts.s3.amazonaws.com/shots-2000.tgz.......................................................# 2019-2020赛季常规赛数据https://nba-shot-charts.s3.amazonaws.com/shots-2019.tgz

直接在浏览器上访问地址,下载压缩包,解压得到CSV文件。

NBA投篮数据可视化4行代码就能实现

NBA投篮数据可视化4行代码就能实现

果然是2019-2020年NBA常规赛的球员投篮数据。

统统下载下来,这样就可以直接本地调用,不用担心被墙掉。

NBA投篮数据可视化4行代码就能实现

数据读取代码修改为如下,其实就是pandas读取。

from shot_chart.core import *# 2019-2020赛季shots_2019 = make_df('shots-2019.csv')

2020赛季NBA的球队名单,调用函数list_teams。

from shot_chart.core import *# 2019-2020赛季shots_2019 = make_df('shots-2019.csv')# 球队名单print(list_teams(shots_2019))

得到结果如下。

NBA投篮数据可视化4行代码就能实现

可惜了LA Clippers(快船)和Milwaukee(雄鹿)。

两大夺冠热门球队,被掘金和热火干翻船了。

今年湖人的夺冠班底,调用函数list_team_players。

from shot_chart.core import *# 2019-2020赛季shots_2019 = make_df('shots-2019.csv')# 湖人夺冠班底print(list_team_players(shots_2019, 'LA Lakers'))

得到结果如下。

NBA投篮数据可视化4行代码就能实现

还附带了出手次数,詹姆斯、戴维斯、库兹马、波普、格林排前五。

卧龙凤雏(格林、波普)得一,可安天下。

昨天发挥爆表,小F给好评~

湖人2020年常规赛全队的投篮情况,调用函数TeamShots。

from shot_chart.core import *# 2019-2020赛季shots_2019 = make_df('shots-2019.csv')# 湖人队2019-2020赛季投篮情况Lakers = TeamShots(shots_2019, "LA Lakers")Lakers.plot_shots

NBA投篮数据可视化4行代码就能实现

果然是4行代码呀~

左边的图绿色表示投篮得分,红色表示投篮未得分。

右边的图横坐标表示距离,纵坐标表示次数,绿色表示出手命中次数,橙色表示投篮出手次数。

FG投篮命中率,eFG真实投篮命中率。

真实投篮命中率=全场得分/[2×全场出手次数 0.44×罚球出手次数]

来看一下三旬老汉(老詹)的投篮情况吧。

from shot_chart.core import *# 2019-2020赛季shots_2019 = make_df('shots-2019.csv')# 勒布朗-詹姆斯2019-2020赛季常规赛投篮可视化james = PlayerShots(shots_2019, "LeBron James")james.plot_shots

NBA投篮数据可视化4行代码就能实现

可以看出,篮下是詹姆斯的主要得分点。

03年至20年,小皇帝到詹皇的投篮数据可视化。

from shot_chart.core import *import pandas as pd# 获取图表列名shots_2000 = make_df('shots-2000.csv')columns_list = [column for column in shots_2000]# 新建一个空的dataframeshots_all = pd.DataFrame(columns=columns_list)# 获取2000-2020常规赛总数据for i in range(2001, 2020): # 文件名 file_name = 'shots-' str(i) '.csv' shots = make_df(file_name) # 纵向拼接 shots_all = pd.concat([shots_all, shots], ignore_index=True)# 输出# print(shots_all)# 詹姆斯03-20常规赛投篮可视化james = PlayerShots(shots_all, "LeBron James")james.plot_shots

NBA投篮数据可视化4行代码就能实现

发现图标有点大,可以对core.py文件修改。

NBA投篮数据可视化4行代码就能实现

在plt.scatter中添加参数s,设置大小为3。

NBA投篮数据可视化4行代码就能实现

突然发现詹皇原来也如此全面,三分、篮下、中投,就没有短板。

24号与23号之间的传承,曼巴永存。

# 科比00-17常规赛投篮可视化Kobe = PlayerShots(shots_all, "Kobe Bryant")Kobe.plot_shots

NBA投篮数据可视化4行代码就能实现

24,就是24小时都全力以赴。

NBA投篮数据可视化4行代码就能实现

再看看今年随队夺冠的霍师傅(霍华德)。

# 霍华德04-20常规赛投篮可视化howard = PlayerShots(shots_all, "Dwight Howard")howard.plot_shots

NBA投篮数据可视化4行代码就能实现

绝大多数都是内线投篮,外线屈指可数。

曾经的快乐兽,单换詹姆斯的存在,后来却开启了流浪生涯沦为替补。

最后在湖人浪子回头,当起了蓝领,拿到了属于自己的总冠军。

心中有一种莫名的感动,致敬我们的青春!!!

20个CSV文件我已上传公众号「法纳斯特」,回复「NBA」即可获取。

NBA投篮数据可视化4行代码就能实现

NBA投篮数据可视化4行代码就能实现

NBA投篮数据可视化4行代码就能实现

点分享

NBA投篮数据可视化4行代码就能实现

NBA投篮数据可视化4行代码就能实现

特别声明:所有资讯或言论仅代表发布者个人意见,乐多体育仅提供发布平台,信息内容请自行判断。

标签: 就能 代码 数据

相关资讯