编程世界的新手指南，欢迎来到Crossin的编程教室！

#湖人总转军#升级版NBA投篮数据可视化，4行代码即可实现！

Crossin的编程教室

交叉密码

每天5分钟，轻松学会编程。 点此获取通俗易懂的Python入门教程。 编程世界的初学者指南。

发表于

包含在集合中

大家好，欢迎来到Crossin的编程课堂！

虎扑的JRs称呼了这么多年的“湖人总冠军”，今年终于成真了！

36岁的詹还不老，4个总冠军+4个FMVP。

我们之前做过一个NBA球员投篮数据可视化的案例：

可惜本文使用的官方接口现已关闭，导致代码无法使用。

不过最近公众号Fanast的作者小F告诉我，有大佬造了一个“轮子”，提供了一个全自动化的接口，只需要4行代码就可以实现。 我将在这里与您分享。

GitHub地址：

shot-chart 库也可以直接安装在 PyCharm 中。 记得选择版本 1.0.0。 目前最新的版本是1.1.0，没有明确区分scored和unscored，所以我们选择安装1.0.0版本。

您也可以下载并安装这两个版本以查看不同之处。

from shot_chart.core import *

# 2019-2020赛季
shots_2019 = make_df(untar_data(URLs.SHOTS_2019))

同样，这个老板也把数据放到了网络上，需要通过数据请求来获取。

通过查看源码（core.py）今年nba夺冠热门，发现数据的请求地址：

地址如下今年nba夺冠热门，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赛季NBA常规赛球员的投篮数据。

全部下载下来，这样就可以直接在本地调用而不用担心被墙挡住。

数据读取代码修改如下，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))

结果如下：

对于LA Clippers（快船队）和Milwaukee（雄鹿队）来说是个遗憾。

两支夺冠热门球队分别被掘金和热火掀翻。

今年湖人的总冠军球队，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'))

结果如下：

它还带有拍摄次数。 詹姆斯、戴维斯、库兹马、波普、格林位列前五。

卧龙凤雏（格林、蒲）得一，天下可安。

湖人2020赛季常规赛全队投篮情况，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~

左边的图表是绿色的射门得分和红色的投篮失误。

右图横坐标表示距离，纵坐标表示次数，绿色表示击球命中次数，橙色表示击球次数。

FG投篮命中率，eFG真实投篮命中率。

真实命中率 = 全场得分 / [2 x 全场投篮数 + 0.44 x 罚球数]

再来看看三十岁男人（老詹）的拍摄情况：

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()

可见，篮下才是詹姆斯的主要得分点。

2003年到2020年从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dataframe
shots_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，可以修改core.py文件。

在plt.scatter中加入参数s，大小设置为3。

突然发现詹皇竟然这么全面，三分、篮下、中投，没有缺点。

24号和23号之间的传承，曼巴将永垂不朽！

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

24，也就是全力以赴24小时！

再看看今年随队夺冠的霍大师（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()

大部分都是内线投篮，外线投篮的寥寥无几。

曾经的快乐兽，只为詹姆斯而存在，后来却开始了流浪生涯，沦为替补。

最终这位湖人浪子回头，当了一名蓝领，拿到了属于自己的总冠军。

心里有一种莫名的感动，向我们的青春致敬！ ！ ！

已上传20个CSV文件，回复“NBA”获取。

千山万水，情不自禁，求购~