Pandas学习（三）——NBA球员薪资分析

欢迎加入python学习交流群 667279387

学习笔记汇总

Pandas学习（一）–数据的导入

 pandas学习（二）–双色球数据分析

 pandas学习（三）–NAB球员薪资分析

 pandas学习（四）–数据的归一化

 pandas学习（五）–pandas学习视频

本篇文章主要利用NBA球员的薪资数据处理来进一步学习pandas这个数据处理工具。

1、获取数据并保存

本文从网站：下载网站来获取2017-2018年各位NBA球员的薪资情况，代码如下：

import pandas as pd

data = pd.DataFrame()

url_list = ['http://www.espn.com/nba/salaries/_/seasontype/4']

for i in range(2, 13):

    url = 'http://www.espn.com/nba/salaries/_/page/%s/seasontype/4' % i

    url_list.append(url)

for url in url_list:

    data = data.append(pd.read_html(url), ignore_index=True)

data = data[[x.startswith('$') for x in data[3]]]

data.to_csv('NAB_salaries.csv',header=['RK','NAME','TEAM','SALARY'], index=False)

获取到的数据薪资前面10的数据如下

   RK                   NAME                   TEAM       SALARY

0   1      Stephen Curry, PG  Golden State Warriors  $34,382,550

1   2       LeBron James, SF    Cleveland Cavaliers  $33,285,709

2   3       Paul Millsap, PF         Denver Nuggets  $31,269,231

3   4     Gordon Hayward, SF         Boston Celtics  $29,727,900

4   5      Blake Griffin, PF            LA Clippers  $29,512,900

5   6         Kyle Lowry, PG        Toronto Raptors  $28,703,704

6   7        Mike Conley, PG      Memphis Grizzlies  $28,530,608

7   8  Russell West*, PG  Oklahoma City Thunder  $28,530,608

8   9       James Harden, SG        Houston Rockets  $28,299,399

9  10      DeMar DeRozan, SG        Toronto Raptors  $27,739,975

2、分析数据

2.1、统计一个球队的所有球员薪资总和

# -*coding:utf-8*-

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签

money2int = lambda x: "".join(filter(str.isdigit, x))

team_name = lambda x: x.split()[-1]

salary = pd.read_csv('./NAB_salaries.csv', usecols=['NAME', 'TEAM', 'SALARY'], converters={'SALARY': money2int, 'TEAM': team_name})

salary['SALARY'] = salary['SALARY'].astype(np.int)

salary = salary.groupby(['TEAM'], as_index=False).sum()

salary_sorted = salary.sort_values('SALARY',ascending=False)

salary_sorted.index = salary_sorted['TEAM']

salary_sorted.plot(kind='bar', align='center', title='球队队员工资共和($)')

plt.xlabel('球队名')

plt.ylabel('队员工资共和')

plt.show()

            TEAM     SALARY

1        Blazers  134302107

4      Cavaliers  132016201

28      Warriors  128211882

11          Jazz  122981295

10       Hornets  121972410

Pandas学习（三）——NBA球员薪资分析

从统计数据可以看出Blazers（波特兰开拓者队）支付球员薪水花费最大。

2.1、统计多个球队的所有球员薪资分布情况

# -*coding:utf-8*-

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签

money2int = lambda x: "".join(filter(str.isdigit, x))

team_name = lambda x: x.split()[-1]

get_name = lambda x: x.split(',')[0]

salary = pd.read_csv('./NAB_salaries.csv', usecols=['NAME', 'TEAM', 'SALARY'],

                     converters={'SALARY': money2int, 'NAME': get_name, 'TEAM': team_name})

salary['SALARY'] = salary['SALARY'].astype(np.int)

data = pd.DataFrame({"Cavaliers": salary[salary['TEAM'] == 'Cavaliers']['SALARY'],

                     "Warriors": salary[salary['TEAM'] == 'Warriors']['SALARY'],

                     "Rockets": salary[salary['TEAM'] == 'Rockets']['SALARY'],

                     "Lakers": salary[salary['TEAM'] == 'Lakers']['SALARY']})

 #合并后面的数据有比较多的NAN数据，但是画图的时候会自动忽略。

 #没有找到更好的合并方法，因为球队的队员人数不同，

 #如果相同的话，可以转成list再合成dataframe就不会有NAN数据了。

plt.ylabel("球员薪资（单位：$）")

plt.xlabel("球队名")

data.boxplot()

plt.show()

Pandas学习（三）——NBA球员薪资分析

本例子中选取了骑士、湖人、火箭、勇士队来进行分析，作出了

四个球队的所有队员薪资分布的箱图。从图中可以看出湖人队的薪资比较平均，勇士队的薪资跨度比较大。

2.3 统计不同类型球员工资

# -*coding:utf-8*-

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

money2int = lambda x: "".join(filter(str.isdigit, x))

team_name = lambda x: x.split()[-1]

salary = pd.read_csv('./NAB_salaries.csv', usecols=['NAME', 'TEAM', 'SALARY'],

                     converters={'SALARY': money2int, 'TEAM': team_name})

salary['SALARY'] = salary['SALARY'].astype(np.int)

#原始数据的NAME列是类似（Stephen Curry, PG），

#以下3行代码主要是为了实现将NAME一列拆分两列变为Stephen Curry一列，PG为一列

salary.insert(1, 'POSITION', salary['NAME'])

salary['NAME'] = salary['NAME'].map(lambda x: x.split(',')[0])

salary['POSITION'] = salary['POSITION'].map(lambda x: x.split(',')[1])

# C：Center  中锋

# PF: Power Forward  大前锋

# SF: Small Forward  小前锋

# SG: Shooting Guard 得分后卫

# PG: Point Guard  组织后卫

#print(salary.groupby('POSITION').sum()) #统计各个类型的薪水

#print(salary.groupby('POSITION').describe())#各个类型的数理统计结果

print(salary.groupby('POSITION').mean())

下面是各个类型的平均工资，可以看出SF的平均薪水最高

 C        7808847

 F        2770083

 G        1685802

 PF       6278746

 PG       7112007

 SF       7886812

 SG       6589922

还有很多东西可以从这个数据当中去挖掘，每次实现一个功能，都进一步熟悉了pandas~为后续深入数据分析学习做好了准备~

欢迎python爱好者加入：学习交流群 667279387

秒客网