当前，篮球运动是最受欢迎的运动之一。在此万受瞩目的运动下，我打算针对篮球运动员个人的信息，技能水平等各项指标进行相关的分析与统计。例如，我们可能会关注如下的内容：
哪些球员从2014年到2019年近6年连续在榜？对比各球员在2019年的各项数据如何？詹姆斯-哈登随年份数据如何变化？2019年球员数据分布如何？篮球运动员的失误与上场时长有什么联系？球员的各项数据之间的相关性如何？哪些数据会对球员的得分有什么影响？
数据分析是指用适当的方法与工具，对收集来的大量数据进行分析，提取其中有意义的信息，从而形成有价值的结论的过程。
在进行数据分析之前，需要清楚数据分析的基本流程。
明确需求与目的
分析篮球运动员，得出结论 数据收集
爬取新浪体育网站数据 数据预处理
特征筛选
降维 数据清洗
缺失值异常值重复值 数据分析
数据建模数据可视化 编写报告总结
导入相关库
需要爬取的数据
爬虫思路分析：
1.需求获取新浪体育网站的球员信息2.寻找网址（球员的不同赛季的信息在展示html页面找不到）
可判断该信息是一个Ajax请求通过浏览器抓包，和多次尝试在Postman软件上发送request请求寻得球员分页信息的request发送相应url的规律，并循环遍历 3.获取request返回的内容4.使用正则表达式对request返回信息进行筛选5.将筛选的数据以csv格式储存在本地文件中
3 rows × 29 columns
特征筛选
数据集中的列，并非都是我们分析所需要的可以有选择性的进行加载，只加载我们需要的信息列
3 rows × 23 columns
数据清洗
缺失值处理
通过info查看数据信息。可以通过isnull与sum结合，查看缺失值情况。
==2014年=
rank 0
player_name 0
team_name 0
score 0
minutes 0
field_goals_made 0
field_goals_att 0
field_goals_pct 0
three_points_made 0
three_points_att 0
three_points_pct 0
free_throws_made 0
free_throws_att 0
free_throws_pct 0
offensive_rebounds 0
defensive_rebounds 0
rebounds 0
assists 0
turnovers 0
assists_turnover_ratio 0
steals 0
blocks 0
personal_fouls 0
dtype: int64
2015年
rank 0
player_name 0
team_name 0
score 0
minutes 0
field_goals_made 0
field_goals_att 0
field_goals_pct 0
three_points_made 0
three_points_att 0
three_points_pct 0
free_throws_made 0
free_throws_att 0
free_throws_pct 0
offensive_rebounds 0
defensive_rebounds 0
rebounds 0
assists 0
turnovers 0
assists_turnover_ratio 0
steals 0
blocks 0
personal_fouls 0
dtype: int64
2016年
rank 0
player_name 0
team_name 0
score 0
minutes 0
field_goals_made 0
field_goals_att 0
field_goals_pct 0
three_points_made 0
three_points_att 0
three_points_pct 0
free_throws_made 0
free_throws_att 0
free_throws_pct 0
offensive_rebounds 0
defensive_rebounds 0
rebounds 0
assists 0
turnovers 0
assists_turnover_ratio 0
steals 0
blocks 0
personal_fouls 0
dtype: int64
2017年
rank 0
player_name 0
team_name 0
score 0
minutes 0
field_goals_made 0
field_goals_att 0
field_goals_pct 0
three_points_made 0
three_points_att 0
three_points_pct 0
free_throws_made 0
free_throws_att 0
free_throws_pct 0
offensive_rebounds 0
defensive_rebounds 0
rebounds 0
assists 0
turnovers 0
assists_turnover_ratio 0
steals 0
blocks 0
personal_fouls 0
dtype: int64
2018年
rank 0
player_name 0
team_name 0
score 0
minutes 0
field_goals_made 0
field_goals_att 0
field_goals_pct 0
three_points_made 0
three_points_att 0
three_points_pct 0
free_throws_made 0
free_throws_att 0
free_throws_pct 0
offensive_rebounds 0
defensive_rebounds 0
rebounds 0
assists 0
turnovers 0
assists_turnover_ratio 0
steals 0
blocks 0
personal_fouls 0
dtype: int64
异常值处理
通过describe查看数值信息。可配合箱线图辅助。异常值可以删除，视为缺失值，或者不处理。
8 rows × 21 columns
{‘SCR’: ‘score’, ‘MIE’: ‘minutes’, ‘FID’: ‘field_goals_made’, ‘FIT’: ‘field_goals_att’, ‘FIC’: ‘field_goals_pct’, ‘THD’: ‘three_points_made’, ‘THT’: ‘three_points_att’, ‘THC’: ‘three_points_pct’, ‘FRD’: ‘free_throws_made’, ‘FRT’: ‘free_throws_att’, ‘FRC’: ‘free_throws_pct’, ‘OFD’: ‘offensive_rebounds’, ‘DED’: ‘defensive_rebounds’, ‘RED’: ‘rebounds’, ‘AST’: ‘assists’, ‘TUR’: ‘turnovers’, ‘ASI’: ‘assists_turnover_ratio’, ‘STL’: ‘steals’, ‘BLK’: ‘blocks’, ‘PEL’: ‘personal_fouls’}
重复值处理
使用duplicate检查重复值。可配合keep参数进行调整。使用drop_duplicate删除重复值。
列名英文名词解释
哪些球员近6年连续在榜
19年球员各项数据对比
19年球员数据分布箱型图
詹姆斯-哈登随年份数据变化折线图
篮球运动员的失误与上场时长有什么联系？
0.13196323727585887
各数据的相关性图
画决策树分析影响得分的因素
(152, 24)
{2014, 2015, 2016, 2017, 2018, 2019}
Index([‘rank’, ‘player_name’, ‘team_name’, ‘score’, ‘minutes’,
‘field_goals_made’, ‘field_goals_att’, ‘field_goals_pct’,
‘three_points_made’, ‘three_points_att’, ‘three_points_pct’,
‘free_throws_made’, ‘free_throws_att’, ‘free_throws_pct’,
‘offensive_rebounds’, ‘defensive_rebounds’, ‘rebounds’, ‘assists’,
‘turnovers’, ‘assists_turnover_ratio’, ‘steals’, ‘blocks’,
‘personal_fouls’, ‘year’],
dtype=‘object’)
Index([‘score’, ‘minutes’, ‘field_goals_made’, ‘field_goals_att’,
‘field_goals_pct’, ‘three_points_made’, ‘three_points_att’,
‘three_points_pct’, ‘free_throws_made’, ‘free_throws_att’,
‘free_throws_pct’, ‘offensive_rebounds’, ‘defensive_rebounds’,
‘rebounds’, ‘assists’, ‘turnovers’, ‘assists_turnover_ratio’, ‘steals’,
‘blocks’, ‘personal_fouls’, ‘year’],
dtype=‘object’)
score float64
minutes float64
field_goals_made float64
field_goals_att float64
field_goals_pct float64
three_points_made float64
three_points_att float64
three_points_pct float64
free_throws_made float64
free_throws_att float64
free_throws_pct float64
offensive_rebounds float64
defensive_rebounds float64
rebounds float64
assists float64
turnovers float64
assists_turnover_ratio float64
steals float64
blocks float64
personal_fouls float64
year float64
dtype: object
5 rows × 21 columns
拉塞尔-威斯布鲁克、詹姆斯-哈登、达米安-利拉德这三人连续6年从2014年到2020年都在榜上，可以说明这三人在当下球员竞技状态非常稳定
对比2019年各球员各项数据，可知球员与球员之间相同数据项的差异
针对詹姆斯-哈登，分析其六年的各项数据的变化，2016年其各项正数据普偏高，而负数据普偏低，所有该年是詹姆斯-哈登的巅峰期。从宏观上看，从2014年打篮球能力从2014年到2016年逐步提高，到2016年达到巅峰，之后下降，最后趋向与平稳
可根据箱型图可视化所有球员各项数据分布
篮球运动员的失误与上场时长成正相关
分析球员的各项数据之间的相关性,可知得分与投球的数据关系非常大，其次是投球命中率
根据决策树逐步分析各项因素决定得分情况，由此可以对球员各项训练计划表进行优化
相关阅读：
