探索 NBA 数据¶
我们首先安装 Goldsberry 包，项目源地址：
https://github.com/bradleyfay/py-Goldsberry
使用 pip 安装：
pip install py-goldsberry
该包的接口与 pandas 兼容，可以与 pandas 的 DataFrame 一起使用。
In [1]:
import goldsberry as gb
import pandas as pd
当前使用的版本号为：
In [2]:
gb.__version__
Out[2]:
球员信息¶
获得 2015-2016 赛季运动员的名单：
In [3]:
players = gb.PlayerList().players()
players = pd.DataFrame(players)
players.head()
Out[3]:
球员总数为：
In [4]:
print len(players)
通过查询特定的 TEAM_ABBREVIATION，我们可以查看某个球队本赛季的球员，比如 2014-2015 赛季的总冠军金州勇士 GSW：
In [5]:
gsw_players = players.ix[players["TEAM_ABBREVIATION"] == "GSW"]
gsw_players[["DISPLAY_LAST_COMMA_FIRST", "FROM_YEAR", "TEAM_ABBREVIATION", "TEAM_CITY", "TEAM_NAME", "PERSON_ID"]]
Out[5]:
球员比赛数据¶
通过 DISPLAY_LAST_COMMA_FIRST，我们来查询宣布本赛季之后退役的科比布莱恩特（Kobe, Bryant）的信息：
In [6]:
kobe = players.ix[players["DISPLAY_LAST_COMMA_FIRST"].str.contains("Kobe")]
kobe
Out[6]:
为了方便，我们将 Kobe 的 ID 放到变量中去：
In [7]:
kobe_id = 977
我们来看本赛季 Kobe 的比赛记录：
In [8]:
kobe_logs = gb.player.game_logs(kobe_id)
kobe_logs = pd.DataFrame(kobe_logs.logs())
# 最近五场比赛
kobe_logs.head()
Out[8]:
截至到全明星赛前，本赛季 Kobe 一共参加了 44 场比赛，其场均数据为：
In [9]:
kobe_logs.Game_ID
Out[9]:
In [10]:
def show_avg_info(avg):
print "得分：{:.1f}".format(avg.ix["PTS"])
print "篮板：{:.1f}".format(avg.ix["REB"])
print "助攻：{:.1f}".format(avg.ix["AST"])
print "盖帽：{:.1f}".format(avg.ix["BLK"])
print "时间：{:.1f}".format(avg.ix["MIN"])
print "抢断：{:.1f}".format(avg.ix["STL"])
print "失误：{:.1f}".format(avg.ix["TOV"])
print "犯规：{:.1f}".format(avg.ix["PF"])
print "投篮：{:.1f}%".format(avg.ix["FGM"] * 100 / avg.ix["FGA"])
print "三分：{:.1f}%".format(avg.ix["FG3M"] * 100 / avg.ix["FG3A"])
print "罚篮：{:.1f}%".format(avg.ix["FTM"] * 100 / avg.ix["FTA"])
print "后篮板：{:.1f}".format(avg.ix["DREB"])
print "前篮板：{:.1f}".format(avg.ix["OREB"])
print "正负值：{:.1f}".format(avg.ix["PLUS_MINUS"])
show_avg_info(kobe_logs.mean())
再看一下史提芬库里的场均数据（不要问我为什么跪着看球）：
In [11]:
curry_id = 201939
curry_logs = gb.player.game_logs(curry_id)
curry_logs = pd.DataFrame(curry_logs.logs())
show_avg_info(curry_logs.mean())
当然我们也可以对比一下职业生涯的数据：
In [12]:
kobe_career = gb.player.career_stats(kobe_id)
curry_career = gb.player.career_stats(curry_id)
职业生涯最高：
In [13]:
def show_career_high(career):
career_high = pd.DataFrame(career.career_high()).ix[[0,1,5]]
print career_high[["GAME_DATE", "STAT", "STAT_VALUE", "VS_TEAM_CITY", "VS_TEAM_NAME"]]
print "Kobe"
show_career_high(kobe_career)
print "Curry"
show_career_high(curry_career)
本赛季最高：
In [14]:
def show_season_high(career):
career_high = pd.DataFrame(career.season_high()).ix[[0,1,5]]
print career_high[["GAME_DATE", "STAT", "STAT_VALUE", "VS_TEAM_CITY", "VS_TEAM_NAME"]]
print "Kobe"
show_season_high(kobe_career)
print "Curry"
show_season_high(curry_career)
比赛信息¶
In [15]:
game_ids = gb.GameIDs()
game_ids = pd.DataFrame(game_ids.game_list())
game_ids.head()
Out[15]:
获得运动员的头像¶
In [16]:
from IPython.display import Image
Image("http://stats.nba.com/media/players/230x185/"+str(kobe_id)+".png")
Out[16]:
In [17]:
Image("http://stats.nba.com/media/players/230x185/"+str(curry_id)+".png")
Out[17]:
More¶
修改了 goldsberry\player\_Player.py 代码中的错误，使之能够查询退役球员的信息，修改后的代码在本文件夹下，放到安装目录之后下面的代码均可以运行：
In [18]:
from goldsberry.player import _Player as pl_old
1997 年的球员列表：
In [19]:
players_1997 = pl_old.PlayerList(1997)
players_1997 = pd.DataFrame(players_1997)
乔丹的球员 ID：
In [20]:
jordan_id = players_1997["PERSON_ID"].ix[players_1997["DISPLAY_LAST_COMMA_FIRST"].str.contains("Jordan, Michael")]
jordan_id = jordan_id[jordan_id.index[0]]
jordan_id
Out[20]:
乔丹在 1997-1998 赛季常规赛表现：
In [21]:
jordan_logs_1997 = pl_old.game_logs(jordan_id, season="1997")
jordan_logs_1997 = pd.DataFrame(jordan_logs_1997.logs())
show_avg_info(jordan_logs_1997.mean())
乔丹在 1997-1998 赛季季后赛表现：
In [22]:
jordan_logs_1997 = pl_old.game_logs(jordan_id, season="1997", seasontype=2)
jordan_logs_1997 = pd.DataFrame(jordan_logs_1997.logs())
show_avg_info(jordan_logs_1997.mean())
头像：
In [23]:
Image("http://stats.nba.com/media/players/230x185/"+str(jordan_id)+".png")
Out[23]:
