用Python自动生成NBA历史巨星和现役球员生涯曲线

2024-01-26 07:18

本文主要是介绍用Python自动生成NBA历史巨星和现役球员生涯曲线,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文技术栈:

爬虫
Flask
pyecharts

1.序

之前写过一个用 python 自动生成球员职业生涯数据的程序,大家的反响很好,我也感到很欣慰。有问我怎么做的,如何学 python 的,也有提建议说集成到 web 里面的。

其实最开始我也是考虑到集成到 web 里面,但是由于时间关系,只是简单的做了一下,没想到引起了大家的关注和建议。所以这次就做了升级,集成到 web 中!

先看效果吧,比如在本地:

http://127.0.0.1:5800/retire/player?retire=乔丹&game=1

乔丹

http://127.0.0.1:5800/retire/player?retire=科比&game=1

科比

2.环境配置

.语言:Python3.编辑器:Pycharn.web框架:Flask.数据可视化:Pyecharts

项目主目录有个 requirements.txt 文件,里面是项目所需要的依赖包,你只需在终端输入以下命令

pip install -r requirements.txt

依赖包就会自动安装

3.功能升级

现升级完之后加入了以下功能:

3.1 将爬虫集成到web中,通过在浏览器输入球队名称获取球队下所有球员

http://127.0.0.1:5800/nba/team?name=猛龙

猛龙

勇士

3.2 支持现役所有球员生涯数据曲线,同时包括常规赛和季后赛数据

伦纳德常规赛和季后赛数据

http://127.0.0.1:5800/nba/player?game=0&player=kawhileonard-3568.html&color=yellow

伦纳德

当 game=0 的时候,获取常规赛数据,game=1 获取季后赛数据

不得不吐糟一下公众号只支持上传 2M 以下的 gifgif 大了又不支持,gif 小了又不清晰...
所以很多时候录完视频后裁剪成 gif 要花费十几二十分钟的时间,很痛苦...哪位朋友有好方法,还请联系我!

3.3 同时支持退役球星数据,比如篮球界第一老流氓 乔丹

乔丹常规赛

乔丹季后赛

3.4 支持更改背景颜色,同时支持图片下载

比如 魔术师约翰逊 的数据,在请求的时候加入 color 参数

http://127.0.0.1:5800/retire/player?retire=魔术师&game=1&color=yellow

魔术师

根据你传的 color 设置背景色,同时左上角有个下载按钮,点击可下载。是不是很强大!

4.代码讲解

4.1 Flask部分

请求地址:共有三个请求地址,代码所在 urls.py,可以根据个人喜好修改地址

urls

其中根据球队获取球员地址为 /nba/team/, 现役球员生涯数据为 /nba/player/, 退役球星数据为 /retire/player/

请求参数:代码所在 forms.py

参数

具体该传什么参数,代码在上面。其中 color 是可选的!

运行项目:项目主目录下有个 run.py 文件,直接运行即可!

4.2 爬虫部分

之前程序是抓的虎扑上面的数据,虎扑网有个 bug :每个球员都多了一条 2017 年汇总的数据(不清楚是干什么的),现已修正。而且虎扑不支持历史球员数据查询,所以现在加入了一个新网站,代码部分如下:

主要涉及到 html 提取技术,之前文章都有介绍,不详说了。

4.3 数据可视化部分

此部分主要是将 pyecharts 集成到 flask 中,集成的文件在 templates 中有些是默认文件,新增的部分是发送 ajax 请求,生成球员曲线。没有什么太多要说的,因为我之前的文章都有介绍过 pyecharts 的用法

了解更多内容,烦请关注公众号 Python编程与实战

这篇关于用Python自动生成NBA历史巨星和现役球员生涯曲线的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/646031

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言