我是一個NBA的球迷，一直很喜歡科比的球風和“曼巴精神”，于是想寫一篇文章看一下他的整個NBA生涯的數據情況是怎樣的，這應該是一件有趣的事情。

使用工具:Ipython notebook

用到的庫:Pandas,Matplotlib

1.數據來源

本次用到的數據來源于https://www.basketball-reference.com/players/b/bryanko01.html，其中可以選擇多種形式，我選的是CSV格式，方便后面的數據分析,看看數據長什么樣呢

2.導入數據

1).數據集是一個下載好的csv文件( csv是數據分析金牌御用文件格式)，我們把數據導入到pandas之后，初步分析一下

>>

(20, 30) #數據集是一個20行30列的大表格，正好是20年的數據

看一些數據的基本統計分析信息：

20年平均得分是24.2分，相當厲害，最高得分是35.4，最低7.6，那我們繼續橫向探索數據

2).接下來就可以繼續分析了,一般來說，我們經常關注的是球員的得分，籃板，助攻，搶斷和蓋帽的能力，所以我們可以從這5個方面來分析，先來看一下科比的得分的基本情況

>>

常規賽總得分： 33633.3

常規賽場均得分： 24.9875928678

3).這里的總分會有偏差(實際總分是33643)

因為是根據每賽季的場均得分和場次得來的，所以數據會有出入,科比的得分巔峰是哪個賽季呢 ? 場均得分又是多少？只需兩行代碼就解決問題：

max_point=data.PTS.max()print(data[data.PTS==max_point])

>>

3).科比的巔峰賽季

科比的巔峰是在05-06賽季，27歲的時候,場均35.4分，要知道場均能上30分就已經很了不起了，果然是巔峰科比，進攻火力太猛了，那我們接著看一下上30分的有哪些賽季

print(data.loc[data.PTS>=30])

>>

30分以上的賽季有02-03，05-06和06-07

4).看一下這20年來各項的最強科比的數據

>>

assistants 6.3

blocks 1.0

point 35.4

rebounds 6.9

steals 2.2

dtype: float64

3.可視化數據

1).為了更好的展現數據的魅力，我們用matplotlib畫個圖看看吧

x軸用20年(1997-2016)的年份

y軸是每個賽季的得分情況

用數據可視化可以非常清晰的看出，96-97剛起步的時候，進步非常快，幾乎是火箭般的快速上升，然后30分左右徘徊了3-4年。突然爆發了，黃金賽季在06-07人生頂峰35分，而2014開始慢慢走向低谷，哪到底發生了什么了呢

2).其他的籃板，助攻，搶斷和蓋帽都可以仿照得分的方式來分析，表中分別對應TRB，AST，STL，BLK，看一下大致情況就好

籃板

助攻

結合前面的數據，我們發現從2013年開始從得分王，開始慢慢的轉為助攻王，助攻的得分明顯上升甚至達到職業生涯的頂峰，猜想也許是因為體能或者傷痛的原因，轉為助攻

有開發者發布了一個網站以對 Python 2.7 的“退休”進行倒計時。

可以看到 Python 2.7 預計將于兩年后退休。

該開發者表示，由于官方尚未放出準確的日期，所以預計 Python 2.7 于 2020 年 4 月 12 日退休，這是到時 PyCon 的舉辦時間。

Python 2，感謝您多年以來的忠誠服務。

Python 3，現在到你登場了。

Python 2.7 是 2.x 系列的最后一個版本，它的繼承者 Python 3.0 在 2008 年 12 月發布，但不兼容 2.x 系列，3.0 的許多特性和語法向后移植到了 2.6 和 2.7。2.7 的支持時間將最少為 10 年，2020 年前會一直提供 bug 修正。

如何轉換到 Python 3？

如果你主要的代碼仍然基于 Python 2，這是完全可以理解的。PyPI 的大部分流行軟件包現在都可以在 Python 2 和 Python 3 上運行，而且每天都會增加更多。為了簡化轉換， 官方移植指南提供了在 Python 3 中運行 Python 2 代碼的建議。

結論：

上面這個小例子非常適合小白入門數據分析，綜合了很多知識，非常不錯，大家若有什么問題，歡迎留言討論.

總結

以上是生活随笔為你收集整理的python足球数据分析_我用Python对科比NBA生涯进行了一个数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。