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。

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。

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。

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。

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。

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。

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()

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()

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()

发现图标有点大，可以对core.py文件修改。

在plt.scatter中添加参数s，设置大小为3。

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()

24，就是24小时都全力以赴。

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()

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！！！

更多精彩推荐
☞无论南京集成电路大学成立是真是假，业内关于“中国芯”的声音都应该被听见！
☞对话阿里云：开源与自研如何共处？
☞服！AI 让兵马俑“活”起来，颜值惊艳！
☞AI 还原康乾盛世三代皇帝的样貌，简直太太太好玩了！
☞如何应对云原生之旅中的安全挑战？
☞观点 | 回顾以太坊近期及中期扩容路线图，展望 rollup 作为中心的以太坊路线图

点分享
点点赞
点在看