爬取NBA球员生涯数据，并在Excel中可视化显示

àì夳堔傛蜴生んèń 2022-12-22 09:45 191阅读 0赞

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章最早早起Python ，作者投稿君

![9d3cf27cc15714dd40173dbf7e9beaf6.png][]

# 前言 #

大家好，在之前我们讲过如何使用Python内置一个带有GUI的爬虫小程序，很多这里将迎合热点，**延续上次的NBA爬虫GUI，探讨如何爬取虎扑NBA官网数据。** **并且将数据写入Excel中同时自动生成折线图**，主要有以下几个步骤

![309f180bb14d92cb0dc50dbe036a035f.png][]

本文将分为以下两个部分进行讲解

*  在虎扑NBA官网球员页面中进行爬虫，**获取球员数据**。
 *  清洗**整理**爬取的球员数据，进行进行**可视化**。

项目主要涉及的Python模块：

*  requests
 *  pandas
 *  bs4

# 爬虫部分 #

爬虫部分整理思路如下

**观察URL1的源代码找到球队名称与对应URL2观察URL2的源代码找到球员对应的URL3观察URL3源代码找到对应球员基本信息与比赛数据并进行筛选存储**

其实爬虫就是在html上操作，而html的结构很简单就只有一个，就是一个大框套一个小框，小框在套小框，这样的一层层叠。

目标URL如下：

网址1：http://nba.hupu.com/players/
    URL2（此处以湖人球队为例）：https://nba.hupu.com/players/lakers
    URL3（此处以詹姆斯为例）：https://nba.hupu.com/players/lebronjames-650.html

先引用模块

from bs4 import BeautifulSoup
    import requests
    import xlsxwriter
    import os

查看URL1源代码，可以看到球队名词及其对应的URL2在span标签中<span class><a href = “...">下，看上去找到它的父框与祖父框，下面的思路都是如此，图如下：

![938c4bb66b47821ab48f8f9667be625d.png][]

此时，可以通过requests模块与bs4模块进行有目的性的索引，得到球队的名称列表。

def Teamlists(url):
        TeamName=[] 
        TeamURL=[] 
        GET=requests.get(URL1)
        soup=BeautifulSoup(GET.content,'lxml')
        lables=soup.select('html body div div div ul li span a') 
        for lable in lables:
            ballname=lable.get_text()
            TeamName.append(ballname)
            print(ballname)
        teamname=input("请输入想查询的球队名：")#此处可变为GUI界面中的按键值
        c=TeamName.index(teamname)
        for item in lables:
         HREF=item.get('href')
         TeamURL.append(HREF)
        URL2=TeamURL[c] 
        return URL2

就此得到了对应球队的URL2，接着观察URL2网页的内容，可以看到球员名称在标签a中<a target = "\_blank" href = ....>下，同时也放置着对应球员的URL3，如下图：

![bbe07a164d60c1d7b03445ab8c6aa859.png][]

此时，故依然通过requests模块与bs4模块进行相对应的索引，得到球员名称列表以及对应的URL3。

#自定义函数获取队员列表和对应的URL
    def playerlists(URL2):
        PlayerName=[] 
        PlayerURL=[] 
        GET2=requests.get(URL1)
        soup2=BeautifulSoup(GET2.content,'lxml')
        lables2=soup2.select('html body div div table tbody tr td b a')
        for lable2 in lables2:
            playername=lable2.get_text()
            PlayerName.append(playername)
            print(playername)
        name=input("请输入球员名：") #此处可变为GUI界面中的按键值
        d=PlayerName.index(name)
        for item2 in lables2:
         HREF2=item2.get('href')
         PlayerURL.append(HREF2)
        URL3=PlayerURL[d]
        return URL3,name

现在就此得到了对应球队的URL3，接着观察URL3页面的内容，可以看到球员基本信息在标签p下，球员常规赛生涯数据与季后赛生涯数据在标签td下，如下图：

![694342dc0d5f6eaed414dd6d94b140bc.png][]

同样，依然通过requests模块与bs4模块进行相对应的索引，得到球员基本信息与职业数据，而对于球员的常规赛与季候赛的职业数据将进行筛选与储存，得到数据列表。

def Competition(URL3):
        data=[]
        GET3=requests.get(URL3)
        soup3=BeautifulSoup(GET3.content,'lxml')
        lables3=soup3.select('html body div div div div div div div div p')
        lables4=soup3.select('div div table tbody tr td')
        for lable3 in lables3:
         introduction=lable3.get_text() 
         print(introduction)  #球员基本信息
        for lable4 in lables4:
            competition=lable4.get_text()
            data.append(competition) 
        for i in range(len(data)):
            if data[i]=='职业生涯常规赛平均数据':
                a=data[i+31]
                a=data.index(a)
        del(data[:a]) 
        for x in range(len(data)):
            if data[x]=='职业生涯季后赛平均数据':
                b=data[x]
                b=data.index(b)
        del(data[b:])
        return data

通过上述网络爬虫得到了以下的数据，提供可视化数据的同时**替换绑定之后的GUI界面按键事件**：

*  获取NBA中的所有球队的标准名称；
 *  通过指定的一只球队获取球队中所有球员的标准名称；
 *  通过指定的球员获取到对应的基本信息以及常规赛与季后赛数据；

# 可视化部分 #

**思路：创建文件夹创建表格和折线图**

自定义函数创建表格，运用os模块进行编写，返回已创建文件夹的路径，代码如下：

def file_add(path):  #此时的内函数path可与GUI界面的Statictext绑定
        creatpath=path+'\\Basketball' 
        try:
         if not os.path.isdir(creatpath):
          os.makedirs(creatpath)       
        except:
         print("文件夹存在")
        return creatpath

运用xlsxwriter模块在creatpath路径下的**自定义函数创建excel表格同时添加数据与构造折线图**，代码如下：

def player_chart(name,data,creatpath):
        #此为表格名称——球员名称+chart
        EXCEL=xlsxwriter.Workbook(creatpath+'\\'+name+'chart.xlsx')
        worksheet=EXCEL.add_worksheet(name) 
        bold=EXCEL.add_format({'bold':1}) 
        headings=data[:18]
        worksheet.write_row('A1',headings,bold) #写入表头
        num=(len(data))//18
        a=0
        for i in range(num):
            a=a+18
            c=a+18
            i=i+1
            worksheet.write_row('A'+str(i+1),data[a:c]) #写入数据
        chart_col = EXCEL.add_chart({'type': 'line'}) #创建一个折线图
        chart_col.add_series({
            'name': '='+name+'!$R$1', #设置折线描述名称
            'categories':'='+name+'!$A$2:$A$'+str(num), #设置图表类别标签范围
            'values': '='+name+'!$R$2:$R$'+str(num-1),    #设置图表数据范围
            'line': {'color': 'red'}, })   #设置图表线条属性
        #设置图标的标题和想x，y轴信息
        chart_col.set_title({'name': name+'生涯常规赛平均得分'}) 
        chart_col.set_x_axis({'name': '年份 (年)'}) 
        chart_col.set_y_axis({'name': '平均得分(分)'})
        chart_col.set_style(1) #设置图表风格
        worksheet.insert_chart('A14', chart_col, {'x_offset':25, 'y_offset':3,}) #把图标插入工作台中并设置偏移
        EXCEL.close()

数据表格效果展现，以詹姆斯为例如下

![3ea0fe978cd11451999de700d085201b.png][]

并且然后打开自动生成的Excel，对应**的折线图就直接展现出来**，**无需再次**整理！

![1ae47d359d637c5ad5c9a08679bce227.png][]

现在结合任务一的网络爬虫与任务二的数据可视化，**可以得到实时的球员常规赛数据与季后赛数据汇总，同时还有实时球员生涯折线图。便可以与上次的GUI界面任务设计中的”可视化”按钮事件绑定**，研究者的读者可以自己进一步研究！

[9d3cf27cc15714dd40173dbf7e9beaf6.png]: /images/20221120/f83d5519f64c43ab87d2e9d8ac1cdb44.png
[309f180bb14d92cb0dc50dbe036a035f.png]: /images/20221120/8a4be5b1aaff484ba157d28cf08a7ba8.png
[938c4bb66b47821ab48f8f9667be625d.png]: /images/20221120/5580d84371e14ed89081eb4e0e58fc1c.png
[bbe07a164d60c1d7b03445ab8c6aa859.png]: /images/20221120/df840d5e3fbb465186c9c533c951d423.png
[694342dc0d5f6eaed414dd6d94b140bc.png]: /images/20221120/d91277b5dce840d299dcc0c5abb07485.png
[3ea0fe978cd11451999de700d085201b.png]: /images/20221120/233a809d32c44884a17f241c058670c7.png
[1ae47d359d637c5ad5c9a08679bce227.png]: /images/20221120/c94fdd1c1df4457fb37bb384fdae908f.png