Kobe Bryant数据显示(2018-03-15)

做bryant数据可视化之前需要先爬取数据(代码↓)
数据来自http://www.stat-nba.com/(NBA数据库)
(小白初学python)

# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
import requests
import time
import re
import csv
import random

def get_html(url_toget):
    header = {
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate, sdch',
        'Accept-Language': 'zh-CN,zh;q=0.8',
        'Connection': 'keep-alive',
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235'
    }
    timeout = random.choice(range(80, 100))
    try:
        page = requests.get(url_toget, headers=header, timeout=timeout)
        page.encoding = 'utf-8'
    except:
        print('error')

    page_inner = page.text
    return page_inner

def get_data(i,page_text):
    bryant = []
    soup = BeautifulSoup(page_text, 'lxml')
    body = soup.body
    page = body.find("div", {"id": "page"})
    tbody = page.find('tbody')
    trs = tbody.find_all('tr')
    for tr in trs:
        tds = tr.find_all('td')
        saiji = '%s-%s'%(i,i+1)
        bryant.append(saiji)
        for td in tds:
            bryant.append(td.string)
        with open("bryant_data.csv", 'a', errors='ignore', newline='') as f:
            f_csv = csv.writer(f)
            f_csv.writerow(bryant)
            bryant = []
    print('bryant%s-%s赛季的数据已加载完毕......' % (i,i+1))

if __name__ == '__main__':
    tou = ['','','球员','赛季','结果','比赛','首发','时间','投篮','命中','出手',
           '三分','命中','出手','罚球命中率','罚球命中','罚球出手数',
           '总篮板','前场篮板','后场篮板','助攻','抢断','盖帽','失误','犯规','得分']
    with open("bryant_data.csv", 'a', errors='ignore', newline='') as f:
        f_csv = csv.writer(f)
        f_csv.writerow(tou)

    for j in range(1996,2016):#2016
        kobe_url = 'http://www.stat-nba.com/query.php?crtcol=season&&PageNum=200&' \
                   'order=0&QueryType=game&GameType=season&Player_id=195&Season0=%s&Season1=%s&Team_id=LAL' % (j, j + 1)
        w = get_html(kobe_url)
        get_data(j,w)
    print('全部数据已加载完毕')

导出数据(csv格式)用excel查看:


捕获.PNG

然后做数据可视化处理

from pyecharts import Bar
import csv

score = []  #存储科比96-16赛季的所有得分
time_saiji = []#存储时间线
with open("bryant_data.csv", "r") as f:
    reader = csv.reader(f)
    rows = [row for row in reader]
    for i in rows:
        score.append(i[25])
        time_saiji.append(i[0])
    score.pop(0)#删掉第一个元素(表头)
    time_saiji.pop(0)

bar = Bar('Kobe Bryant data','(score)')
bar.add('score',time_saiji,score,mark_line=['average'],mark_point=["max", "min"])
bar.render()

结果显示:


Kobe Bryant data.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,529评论 5 475
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,015评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,409评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,385评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,387评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,466评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,880评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,528评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,727评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,528评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,602评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,302评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,873评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,890评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,132评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,777评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,310评论 2 342

推荐阅读更多精彩内容