前言

原始資料可以通過我分享的資源獲取
NBA–2017年資料表

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

獲取資料

data = pd.read_csv("./data/nba_2017_nba_players_with_salary.csv")
data.head()
data.shape

(342, 38)

# 粗略觀察資料的各個統計值
data.describe()

8 rows × 35 columns

資料分析

資料相關性

data_cor = data.loc[:, ['RPM', 'AGE', 'SALARY_MILLIONS', 'ORB', 
                        'DRB', 'TRB','AST', 'STL',
                        'BLK', 'TOV', 'PF', 
                        'POINTS', 'GP', 'MPG', 'ORPM', 'DRPM']]

data_cor.head()

# 獲取兩列資料之間的相關性
corr = data_cor.corr()
corr.head()

# 創建畫布
plt.figure(figsize=(20, 8), dpi=100)

# 畫出相關性熱圖
# param1: 資料
# param2; 正方形
# param3: 線寬
# param4: 顯示值
sns.heatmap(corr, square=True, linewidths=0.1, annot=True)

基本資料排名分析

# 按照效率值排名

data.loc[:, ["PLAYER", "RPM",
             "AGE"]].sort_values(by="RPM", ascending=False).head()

# 按照球員薪資排名

data.loc[:, ["PLAYER", "RPM", "AGE", 
             "SALARY_MILLIONS"]].sort_values(by="SALARY_MILLIONS", 
                                 ascending=False).head()

Seaborn常用的三個資料可視化方法

單變數：

# 利用seaborn中的distplot繪圖來
#分別看一下球員薪水、效率值、年齡這三個資訊的分布情況

# 設定顯示風格
sns.set_style("darkgrid")

# 設定畫布
plt.figure(figsize=(10, 10))

# 分割螢屏 -- 薪水
plt.subplot(3, 1, 1)
sns.distplot(data["SALARY_MILLIONS"])
plt.ylabel("salary")

# 分割螢屏 -- 效率值(真實貢獻值)
plt.subplot(3, 1, 2)
sns.distplot(data["RPM"])
plt.ylabel("RPM")

# 分割螢屏 -- 年齡
plt.subplot(3, 1, 3)
sns.distplot(data["AGE"])
plt.ylabel("AGE")

雙變數

sns.jointplot(data.AGE, data.SALARY_MILLIONS, kind="hex")

多變數

multi_data = data.loc[:, ['RPM','SALARY_MILLIONS','AGE','POINTS']]
multi_data.head()

# 多變數兩兩做一個表
sns.pairplot(multi_data)

衍生變數的一些可視化實踐-以年齡為例

def age_cut(df):
    """年齡劃分"""
    if df.AGE <= 24:
        return "young"
    elif df.AGE >= 30:
        return "old"
    else:
        return "best"

# 使用apply對年齡進行劃分
# 函式作為一個物件，能作為引數傳遞給其它引數，并且能作為函式的回傳值
# 回圈data的每一個值, 帶入age_cut求值, 得到的結果賦給age_cut colunm
data["age_cut"] = data.apply(lambda x:age_cut(x), axis=1)
data.head()

5 rows × 39 columns

# 方便計數
data["cut"] = 1

data.loc[data.age_cut == "best"].SALARY_MILLIONS.head()

0    26.50
1    26.50
2     6.59
4    16.96
5    24.33
Name: SALARY_MILLIONS, dtype: float64

# 基于年齡段對球員薪水和效率值進行分析
sns.set_style("darkgrid")
plt.figure(figsize=(10,10), dpi=100)
plt.title("RPM and Salary")

x1 = data.loc[data.age_cut == "old"].SALARY_MILLIONS
y1 = data.loc[data.age_cut == "old"].RPM
plt.plot(x1, y1, "^")

x2 = data.loc[data.age_cut == "best"].SALARY_MILLIONS
y2 = data.loc[data.age_cut == "best"].RPM
plt.plot(x2, y2, "^")

x3 = data.loc[data.age_cut == "young"].SALARY_MILLIONS
y3 = data.loc[data.age_cut == "young"].RPM
plt.plot(x3, y3, ".")

# 取出多個變數畫圖
multi_data2 = data.loc[:, ['RPM','POINTS',
                           'TRB','AST','STL','BLK','age_cut']]
# 用hue來指定對應colunm所有取值中每一種對應的顏色
sns.pairplot(multi_data2, hue="age_cut")

球隊資料分析

球隊薪資排行

# .agg() 聚合方法 -- 字典
data.groupby(by="age_cut").agg({"SALARY_MILLIONS":np.max})

# 按照球隊進行分類
data_team = data.groupby(by="TEAM").agg({"SALARY_MILLIONS":np.mean})

# 按照薪資進行分類, 降序排列
data_team.sort_values(by="SALARY_MILLIONS", 
                      ascending=False).head(10)

# 按照分球隊分年齡段，上榜球員降序排列，
# 如上榜球員數相同，則按效率值降序排列，
data_rpm = data.groupby(by=["TEAM",
           "age_cut"]).agg({"SALARY_MILLIONS": np.mean,
                            "RPM": np.mean, "PLAYER": np.size})
data_rpm.sort_values(by=["PLAYER", "RPM"], ascending=False).head()
data_rpm.head()

按照球隊綜合實力排名

data_rpm2 = data.groupby(by=['TEAM'],
                         as_index=False).agg({'SALARY_MILLIONS': np.mean,
                                                          'RPM': np.mean,
                                                          'PLAYER': np.size,
                                                          'POINTS': np.mean,
                                                          'eFG%': np.mean,
                                                          'MPG': np.mean,
                                                          'AGE': np.mean})
data_rpm2.head()

# 按照效率值降序排列
data_rpm2.sort_values(by="RPM", ascending=False).head()

利用箱線圖和小提琴圖進行資料分析

# 篩選資料
data.TEAM.isin(['GS', 'CLE', 'SA', 'LAC',
                'OKC', 'UTAH', 'CHA', 'TOR', 'NO', 'BOS']).head()

0     True
1    False
2     True
3     True
4    False
Name: TEAM, dtype: bool

# 箱線圖

#設定圖片背景
sns.set_style("whitegrid")
plt.figure(figsize=(20, 10))

# 獲取需要的資料
data_team2 = data[data.TEAM.isin(['GS', 'CLE', 'SA', 'LAC',
                                  'OKC', 'UTAH', 'CHA', 
                                  'TOR', 'NO', 'BOS'])]

# 進行相應的繪圖\

# 年薪
plt.subplot(3,1,1)
sns.boxplot(x="TEAM", y="SALARY_MILLIONS", data = data_team2)

# 年齡
plt.subplot(3,1,2)
sns.boxplot(x="TEAM", y="AGE", data = data_team2)

# 場均上場時間
plt.subplot(3,1,3)
sns.boxplot(x="TEAM", y="MPG", data = data_team2)

# 繪制小提琴圖

# 設定圖背景
sns.set_style("whitegrid")
plt.figure(figsize=(20, 10))

# 三分命中率
plt.subplot(3,1,1)
sns.violinplot(x="TEAM", y="3P%", data=data_team2)

# 有效命中率
plt.subplot(3,1,2)
sns.violinplot(x="TEAM", y="eFG%", data=data_team2)

# 得分
plt.subplot(3,1,3)
sns.violinplot(x="TEAM", y="POINTS", data=data_team2)