手把手教你用Python获取最全NBA数据

喜欢NBA的朋友可能知道有个非常全面和专业的NBA中文数据库--Stat-NBA

上面不仅有所有球队球员的各项数据，还统计了从NBA创立的的1946年来的所有数据，还是中文版本的，还可以通过各种筛选进阶数据。但如果想要下载来自己分析，就比较麻烦。今天就专门写一个python如何获取stat-nba数据的教程，并用工具做一个简单的动态变化图。视频效果：

01 选取数据

说到NBA数据，很多人首先想到的是得分榜，那今天我们就拿历年来的得分榜前10数据。

http://www.stat-nba.com/season/1946.HTML

这个页面可以获取到每个赛季的各项排行榜，而且重点是URL非常友好，使用的后缀是年份，这样我们只需要遍历所有年份的URL即可。

02 基本思路1.将要获取的目标网页的html源码保存起来；2.再使用etree进行提取页面element，etree.HTML()可以用来解析字符串格式的HTML文档对象，将传进去的字符串转变成_Element对象。作为_Element对象，可以方便的使用getparent()、remove()、xpath()等方法；3.将获取到数据按照要求格式保存到dataframe中；4.最后使用花火在线生成动态图工具

使用的第三方包括：requests，lxml中的etree，pandas

03 流程与代码# 再使用etree进行提取页面element，etree.HTML()可以用来解析字符串格式的HTML文档对象，将传进去的字符html = etree.HTML(html)print(type(html))print(html)

# 使用html.xpath（）提取指定标签的文本内容，xpath标签获取方式，可以在谷歌浏览器中，比如在上图的”乔福尔克斯“上面右键，# 选择copy-》copy xpath，即可得到：//*[@id="allpts0"]/div[1]/div[1]/aplayer = html.xpath('//*[@id="allpts0"]/div[1]/div[1]/a')[0].textprint(player)

获取到页面源码的element格式后，可以使用xpath轻松提前指定标签下的内容。从图中可以看出，得分榜的内容存放在一个div中，id=“allpts0"中，球员名称和数据存放在下面的div class='content'中，总共10个，那我们只需要把这10个标签下面的a和p标签内容获取到即可：

# 然后就可以将10个球员的数据都保存到字典rankrank = {}for i in range(1,11): player = html.xpath('//*[@id="allpts0"]/div[1]/div[{}]/a'.format(str(i)))[0].text data = float(html.xpath('//*[@id="allpts0"]/div[1]/div[{}]/p'.format(str(i)))[0].text.strip()) # 转化成数值 rank[player] = dataprint(rank)# 输出的格式：{'乔-福尔克斯': 23.2, '鲍伯·菲里克': 16.8, '艾德-萨多夫斯基': 16.5, '斯坦-马赛克': 14.9, '马克斯尔-扎斯洛夫斯基': 14.4, '厄尔尼-卡尔费里': 14.3, '库尔比-贡特尔': 14.1, '弗兰克-鲍姆霍尔特兹': 14.0, '莱奥-默古斯': 13.0, 'Chick Halbert': 12.7}# 然后就可以将10个球员的数据都保存到字典rankrank = {}for i in range(1,11): player = html.xpath('//*[@id="allpts0"]/div[1]/div[{}]/a'.format(str(i)))[0].text data = float(html.xpath('//*[@id="allpts0"]/div[1]/div[{}]/p'.format(str(i)))[0].text.strip()) # 转化成数值 rank[player] = dataprint(rank)# 输出的格式：{'乔-福尔克斯': 23.2, '鲍伯·菲里克': 16.8, '艾德-萨多夫斯基': 16.5, '斯坦-马赛克': 14.9, '马克斯尔-扎斯洛夫斯基': 14.4, '厄尔尼-卡尔费里': 14.3, '库尔比-贡特尔': 14.1, '弗兰克-鲍姆霍尔特兹': 14.0, '莱奥-默古斯': 13.0, 'Chick Halbert': 12.7}

接下来，可以批量获取全部年份的得分榜数据

df = pd.DataFrame()for i in range(1946,2020): url = 'http://www.stat-nba.com/season/{}.html' url = url.format(str(i)) r = requests.get(url,verify=False) html = r.content.decode('utf-8') html = etree.HTML(html) rank = {} for j in range(1,11): player = html.xpath('//*[@id="allpts0"]/div[1]/div[{}]/a'.format(str(j)))[0].text data = float(html.xpath('//*[@id="allpts0"]/div[1]/div[{}]/p'.format(str(j)))[0].text.strip()) # 转化成数值 rank[player] = data print(rank) df = df.append(pd.DataFrame(index=[i],data=rank))

最终的数据是：

为了按照工具的数据格式要求，只需要稍微转置一下：

df.T.to_excel('ptsrank.xlsx','utf-8-sig')04 上传数据制作视频

火花的URL：https://hanabi.data-viz.cn/templates

选择动态条形图即可。注：火花很多图表是付费的，免费的可以使用Flourish。

声明

1.本数据分析只做学习研究之用途，勿用他途，提供的结论仅供参考；

2.公开数据不建议抓取太多，以免对服务器造成负担，如有侵权，马上删除

本站声明：以上部分图文视频来自网络，如涉及侵权请联系删除