文章目录

1 画篮球场
2 爬数据
3 可视化投篮结果
4 Kobe Bryant
5 Others

代码来源：

用Python把NBA球员投篮数据可视化
虎扑热帖|数据分析|用python展示NBA球员出手喜好

1 画篮球场

from matplotlib import pyplot as plt
from matplotlib.patches import Arc, Circle, Rectangle
%matplotlib inlinedef draw_ball_field(color='#20458C', lw=2):"""绘制篮球场"""# 新建一个大小为(6,6)的绘图窗口plt.figure(figsize=(9, 9))# 获得当前的Axes对象ax,进行绘图ax = plt.gca()# 对篮球场进行底色填充lines_outer_rec = Rectangle(xy=(-250, -47.5), width=500, height=470, linewidth=lw, color='#F0F0F0', fill=True)# 设置篮球场填充图层为最底层lines_outer_rec.set_zorder(0)# 将rec添加进axax.add_patch(lines_outer_rec)# 绘制篮筐,半径为7.5circle_ball = Circle(xy=(0, 0), radius=7.5, linewidth=lw, color=color, fill=False)# 将circle添加进axax.add_patch(circle_ball)# 绘制篮板,尺寸为(60,1)plate = Rectangle(xy=(-30, -7.5), width=60, height=-1, linewidth=lw, color=color, fill=False)# 将rec添加进axax.add_patch(plate)# 绘制2分区的外框线,尺寸为(160,190)outer_rec = Rectangle(xy=(-80, -47.5), width=160, height=190, linewidth=lw, color=color, fill=False)# 将rec添加进axax.add_patch(outer_rec)# 绘制2分区的内框线,尺寸为(120,190)inner_rec = Rectangle(xy=(-60, -47.5), width=120, height=190, linewidth=lw, color=color, fill=False)# 将rec添加进axax.add_patch(inner_rec)# 绘制罚球区域圆圈,半径为60circle_punish = Circle(xy=(0, 142.5), radius=60, linewidth=lw, color=color, fill=False)# 将circle添加进axax.add_patch(circle_punish)# 绘制三分线的左边线three_left_rec = Rectangle(xy=(-220, -47.5), width=0, height=140, linewidth=lw, color=color, fill=False)# 将rec添加进axax.add_patch(three_left_rec)# 绘制三分线的右边线three_right_rec = Rectangle(xy=(220, -47.5), width=0, height=140, linewidth=lw, color=color, fill=False)# 将rec添加进axax.add_patch(three_right_rec)# 绘制三分线的圆弧,圆心为(0,0),半径为238.66,起始角度为22.8,结束角度为157.2three_arc = Arc(xy=(0, 0), width=477.32, height=477.32, theta1=22.8, theta2=157.2, linewidth=lw, color=color, fill=False)# 将arc添加进axax.add_patch(three_arc)# 绘制中场处的外半圆,半径为60center_outer_arc = Arc(xy=(0, 422.5), width=120, height=120, theta1=180, theta2=0, linewidth=lw, color=color, fill=False)# 将arc添加进axax.add_patch(center_outer_arc)# 绘制中场处的内半圆,半径为20center_inner_arc = Arc(xy=(0, 422.5), width=40, height=40, theta1=180, theta2=0, linewidth=lw, color=color, fill=False)# 将arc添加进axax.add_patch(center_inner_arc)# 绘制篮球场外框线,尺寸为(500,470)lines_outer_rec = Rectangle(xy=(-250, -47.5), width=500, height=470, linewidth=lw, color=color, fill=False)# 将rec添加进axax.add_patch(lines_outer_rec)return ax

调用一下

axs = draw_ball_field(color='#20458C', lw=2)# 设置坐标轴范围
axs.set_xlim(-250, 250)
axs.set_ylim(422.5, -47.5)
# 消除坐标轴刻度
axs.set_xticks([])
axs.set_yticks([])
# 添加备注信息
plt.annotate('By xiao F', xy=(100, 160), xytext=(178, 418))
plt.show()

2 爬数据

import requests
import jsonheaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}def shot_data(years,player_id):# years 球员职业生涯时间, list# player_id 球员ID, strfor i in range(years[0], years[1]):# 赛季season = str(i) + '-' + str(i + 1)[-2:]# 请求网址url = 'https://stats.nba.com/stats/shotchartdetail?AheadBehind=&CFID=33&CFPARAMS=' + season + '&ClutchTime=&Conference=&ContextFilter=&ContextMeasure=FGA&DateFrom=&DateTo=&Division=&EndPeriod=10&EndRange=28800&GROUP_ID=&GameEventID=&GameID=&GameSegment=&GroupID=&GroupMode=&GroupQuantity=5&LastNGames=0&LeagueID=00&Location=&Month=0&OnOff=&OpponentTeamID=0&Outcome=&PORound=0&Period=0&PlayerID=' + player_id + '&PlayerID1=&PlayerID2=&PlayerID3=&PlayerID4=&PlayerID5=&PlayerPosition=&PointDiff=&Position=&RangeType=0&RookieYear=&Season=' + season + '&SeasonSegment=&SeasonType=Regular+Season&ShotClockRange=&StartPeriod=1&StartRange=0&StarterBench=&TeamID=0&VsConference=&VsDivision=&VsPlayerID1=&VsPlayerID2=&VsPlayerID3=&VsPlayerID4=&VsPlayerID5=&VsTeamID='# 请求结果response = requests.get(url=url, headers=headers)result = json.loads(response.text)# 获取数据for item in result['resultSets'][0]['rowSet']:flag = item[10] # 是否进球得分loc_x = str(item[17]) # 横坐标loc_y = str(item[18])  # 纵坐标with open('curry.csv', 'a+') as f:f.write(loc_x + ',' + loc_y + ',' + flag + '\n')

调用一下

years = [2017, 2019]# 球员职业生涯时间
player_id = '201939'# 球员ID
shot_data(years,player_id)

201939 是 Stephen Curry

生成

如下所示：

3 可视化投篮结果

import pandas as pd
import urllib.request
from matplotlib.offsetbox import  OffsetImagedef draw_shot(player_id):# 读取数据df = pd.read_csv('curry.csv', header=None, names=['width', 'height', 'type'])# 分类数据df1 = df[df['type'] == 'Made Shot']df2 = df[df['type'] == 'Missed Shot']# 画篮球场axs = draw_ball_field(color='#20458C', lw=2)# 绘制散点图axs.scatter(x=df2['width'], y=df2['height'], s=30, marker='x', color='#A82B2B')axs.scatter(x=df1['width'], y=df1['height'], s=30, marker='o', edgecolors='#3A7711', color="#F0F0F0", linewidths=2)# 设置坐标轴范围axs.set_xlim(-250, 250)axs.set_ylim(422.5, -47.5)# 消除坐标轴刻度axs.set_xticks([])axs.set_yticks([])# 添加备注信息plt.annotate('By Bryant', xy=(90, 160), xytext=(190, 418))# 画头像pic = urllib.request.urlretrieve("http://stats.nba.com/media/players/230x185/" + player_id + ".png")head_pic = plt.imread(pic[0])  # urlretrieve 返回元组，image 在第一个 img = OffsetImage(head_pic, zoom=0.6) # 将球员图片放置于左下角，并设置缩小等级以配合整个图片img.set_offset((45,45))  # (x, y) 控制将球员放在你想要放的位置axs.add_artist(img)      # 添加球员图片plt.show()

调用一下（只用了17，19年的数据）

draw_shot('201939')

哈哈，只画了半场，不能完全展现出萌神的 logo shot

4 Kobe Bryant

Kobe Bryant 是 977，球员 ID 通过 https://stats.nba.com/players/ 可以知道，比如 https://stats.nba.com/player/977/ 就是对应着科比的介绍！

# 爬数据
years = [1996, 2012]# 球员职业生涯时间
player_id = '977'# 球员ID
shot_data(years,player_id)# 可视化投篮图
draw_shot('977')

来感受下进攻万花筒，有很多负角度的

老科，因为他才看了解，喜欢上 NBA的！最早看到蜗壳应该是读小学的时候，同桌柳某的软面抄封面就是 bryant！

5 Others

1）James Harden

# 爬数据
years = [2017, 2019]# 球员职业生涯时间
player_id = '201935'# 球员ID
shot_data(years,player_id)# 可视化投篮图
draw_shot(player_id)

夜店小王子改邪归正后，没的说，西科东艾北卡南麦四大天王之后，第一分位实至名归（能突能投，欧洲步要哨，后撤步三分都是无解的）！

2）Lebron James

# 爬数据
years = [2017, 2019]# 球员职业生涯时间
player_id = '2544'# 球员ID
shot_data(years,player_id)# 可视化投篮图
draw_shot(player_id)

老詹还是老詹，全能王，推土机，这是一位哪怕在“敌方阵营”也会让你肃然起敬的球员！
想当初，交易到 Lakers ，我还在朋友圈庆祝我湖终于可以进季后赛了……希望今年能和浓眉哥擦出火花，重返紫金荣耀！

3） Giannis Antetokounmpo

字母哥，这就是个怪兽……期待他的成长！

4） Kevin Durant

我还是非常喜欢阿杜的，哈哈，早些年 Kobe 带队打世界级的比赛时，总把阿杜和龙王波什弄混了，哈哈哈，一样的……

阿杜在勇士的 2 个FMVP没得说，配得上“死神”的称号！只希望伤病不会对阿杜造成太大影响，希望他能在球场上多闪耀几个年华！（中距离跳投无解）

5）Joel Embiid

大帝有三分，而西帝没有，这是最骚的！

6）Ben Simmons

来看看西帝

哈哈哈，这个定妆照……有点毁形象哈，丢几张图感受一下！

实话说，他“女友”是卡戴珊家族中，比较符合东方审美的一位佳丽，哈哈，不知道这么措辞准不准确！

7）Clint Capela

饼皇

8）Draymond Green

3D

【python】Visualization of field data（NBA）相关推荐

【Python】pathlib 模块的用法（Path）
[Python]pathlib 模块的用法文章目录 [Python]pathlib 模块的用法 1. 介绍 2. 举例 2.1 获取目录 2.2 目录拼接 2.3 创建.删除目录 2.4 读写文件 ...
python基础知心得总结_【python】基础学习心得总结（一）
本文将简单阐述一些基本的python知识点,大多是本人在学习过程中的心得体会.简单常用的编程概念和思想将不再描述.若有理解错误,还望指正. 一.python运行,调试 python和相关软件可以在官网 ...
python界面设计实例-【Python】Tkinter图形界面设计（GUI）
简介作为 Python 开发者,图形用户界面(GUI)开发是必备技能之一.目前,市面上支持 Python 的"GUI 工具包"很多,各有特点,虽然大多数工具包的基础类似,但要学习 ...
【Python】Tkinter图形界面设计（GUI）
简介作为 Python 开发者,图形用户界面(GUI)开发是必备技能之一.目前,市面上支持 Python 的"GUI 工具包"很多,各有特点,虽然大多数工具包的基础类似,但要学习 ...
【Python】用蒙特卡洛树搜索（MCTS）解决寻路问题
像人类一样思考. 文章目录用蒙特卡洛树搜索(MCTS)解决寻路问题关于蒙特卡洛树搜索寻路问题和寻路算法数据结构与定义寻路算法的基本假设权值计算改进后的权值存储和加权随机策略测试运行结 ...
【Python】Matplotlib中的annotate（注解）【转载】
原文链接:https://www.cnblogs.com/dqi1999/articles/14004235.html 官方文档:https://matplotlib.org/api/_as_gen/ ...
【Python】学习笔记总结6（正则表达式）
文章目录六.Python正则表达式 1.re模块 2.匹配规则-字符 2.1`.`的使用 2.2`[]`的使用 2.3`\d`的使用 2.4`\D`的使用 2.5`\s`的使用 2.6`\S`的使用 ...
【ZED】从零开始使用ZED相机（五）：Opencv+Python实现相机标定（双目）
引言同样Opencv+Python实现双目相机的标定,单目标定详见[ZED]从零开始使用ZED相机(五):Opencv+Python实现相机标定(单目) 1 cv2.stereoCalibrate ...
【爬虫】scrapy下载股票列表（四）——对接mongodb保存数据
本文是本项目最后一篇,撒花! 前三篇传送门: [爬虫]scrapy下载股票列表(一)--对接selenium中间件: https://blog.csdn.net/yao09605/article/de ...

【python】Visualization of field data（NBA）