python数据分析图表展示_NBA数据分析_python数据爬取_可视化图形_python数据可视化案例-帆软...

之前手痒做了一次NBA可视化分析，发个微头条，好多人追着我问教程，这两天终于闲下来了，花时间整理这篇NBA可视化分析教程，手把手教大家做一次炫酷的数据可视化分析！

先部分展示本次教程的作品：

数据获取

本次可视化分析的数据来自于网络，有一部分是从外网下载的，还有一部分是python从NBA官网爬取的，数据集包含从上世纪90年代开始到16-17赛季，包括NBA所有球员、球队的常规赛，季后赛数据，球员各赛季的薪金等数据。

因为涉及的数据比较多，爬取过程比较繁杂，我就不在文中多说了，直接把数据集给大家整理好，获取方式见文末。

确定分析思路

因为本人不是非常专业的NBA球迷，所以再在拿到数据之后，我去科普了一下NBA比赛需要哪些数据，通过对应网站的浏览和查看，了解到数据主要分为三类，一类是比赛数据，以字段，胜场，得分，主客场胜负，胜率，净胜场，最近10场胜负为主。一类是球员数据，以命中率，PER，WS，得分为主。最后一类薪资数据，以球员薪资，占比，球队薪资，占比为主。

了解了关注点后，我查看了手上有的数据，并把其划分为4块。列出四个主题，球队分析，球员分析，薪资分析，季后赛分析。主题相应分析模块如下所示：

根据分析模块，选择合适的可视化图表

按照上面的思路，我们可以根据分析模块提前确定好可视化图表，后面就可以按部就班制作可视化分析图表，提高效率。至于图表的选择，这块之前我在很多文章都讲过，参照下面这张图就可以了：

除了可视化图表之外，要想让你的可视化作品更加贴合主题，还可利用一些可视化元素，比如NBA相关的图片或者图标等等，这些元素往往能够起到画龙点睛的效果。

给大家推荐几个常用的网址：

分析图片网址链接：https://unsplash.com/s/photos/

分析元素网址链接：https://www.iconfont.cn

网址配色网址链接: https://coolors.co/

基础数据整理，数据加工

上面的准备工作完成之后，接下来就是使用工具进行分析了。涉及到数据表比较多，而且需要进行的数据加工也比较繁杂，用Excel显然不是一个快捷的办法，我选择了用BI工具FineBI进行可视化分析操作。

打开FineBI，点击添加数据表，把本次分析所用到的数据表导入

然后利用FineBI的自助数据集功能进行数据处理，按照我们上面的数据分析思路，我利用鱼骨图梳理的四个分析主题需要用到数据表，然后分别创建自助数据集进行加工

利用FineBI的自助数据集加工数据的过程比Excel方便的多，它自带数据处理的工程，可以对数据进行分组求和、求平均、过滤等一系列的操作，而且每一步操作在左边的面板都会有记录，方便后续检查

点击创建自助数据集，制作球员数据宽表。

第一步，新增比赛失分列，用函数从比分列中获取比赛失分，具体的函数使用方法，系统理由非常详细的讲解，我就不多说了

然后再新增列，分别统计出主客场胜、负场数

然后按照球员和时间分组汇总，并计算出每个球员的胜率（胜率=胜场/（胜场+负场））和场均得分（场均得分=得分/场次）、场均失分（场均失分=比赛失分/场次）

这样一张球员数据宽表就基本完成了，整个数据加工的过程步骤比较多，但是操作上比较简便，步骤式的记录也不容易出错。用同样的方法我们再制作出上面鱼骨图中的其他数据表，最近10场比赛的数据、球队数据宽表等等，和上面的操作类似，篇幅原因我就不展示了

可视化图表制作

最复杂的数据加工环节完成之后，下一步就是进行可视化图表制作。这个过程用BI工具制作非常简单，速度比Excel快N倍，把数据指标和维度拖拽到坐标轴上，图表就自动生成了，系统还会根据你选择的指标和维度的数量，智能推荐合适的可视化图表

然后根据个人喜好，调整图表配色及细节

最后各主题分析模块的可视化图表如下：

球队分析：

从历史数据看，SAS圣安东尼奥马刺队表现最好，以49.69胜场，63.9%的胜率居球队第一名。而近两年胜场最高的球队是GSW金州勇士队获得了115场胜场，也荣获了单年最高的72胜场，而SAS圣安东尼奥马刺队则是以102胜场保持第二名。

14年前，SAS胜场超过GSW，但近两年发挥低于GSW,再来看球队16赛季因素排名表，GSW16年夺冠，是由于其综合实力。得分、助攻、三分、篮板、盖帽等均处于领先水平，而SAS队的特点则是，稳扎稳打，犯规较多，失误较少。

球员分析：

根据16-17赛季个人平均PER，平均得分，平均篮板，平均三分，平均助攻，得出16赛季MVP为Jarnell Stokes，得分王为Russell Westbrook ,篮板王为Hassan whitesid,三分王为Stephen Curry，助攻王为James Harden。

个人喜欢火箭就拿James Harden做了下分析，从命中热力图可知，他的得分区域主要是篮下投篮及罚球区投篮。根据八维雷达图，哈登的长处在于得分，助攻和篮板，得分远超16赛季平均水平，除了中，远距离命中率，哈登其他位置的命中率也随着时间逐步上升。PER值也是逐年上升，正值黄金时期。

薪资分析：

平均薪资前十的球队为布鲁克林篮网，纽约尼克斯，迈阿密热火，俄克拉荷马雷霆等，进一步分析得知布鲁克林篮网因为是新球队，所以平均薪水高，整体球队薪资呈上升趋势。

个人薪资情况的话，John Wall薪资最高，且个人平均薪资在2015赛季后显著上升，单看GSW队，队内成员薪资差距大，Keven，klay,Stephen,andrew占了薪资的80%，个人薪水和赛季个人得分呈正相关，也和个人PER呈正相关

生成仪表板

最后调整仪表板上的图表布局，突出重点数据，优化图表及配色，加入准备好的NBA可视化元素，把我们分析的结论也可以添加在仪表板中，一张完整的NBA可视化分析报告就完成了：

但这一切都要基于一个好用的数据可视化平台。现在市面上流行的有FineBI、Power BI、DataV、鼎数，但权威机构IDC指出市场占有率第1的还是FineBI，这些都可以做数据分析。