之前手癢做了一次NBA可視化分析，好多人追著我問教程，這兩天終于閑下來了，花時間整理這篇NBA可視化分析教程，手把手教大家做一次炫酷的數(shù)據(jù)可視化分析！

先部分展示本次教程的作品：

?

數(shù)據(jù)獲取

本次可視化分析的數(shù)據(jù)來自于網(wǎng)絡(luò)，有一部分是從外網(wǎng)下載的，還有一部分是python從NBA官網(wǎng)爬取的，數(shù)據(jù)集包含從上世紀(jì)90年代開始到16-17賽季，包括NBA所有球員、球隊(duì)的常規(guī)賽，季后賽數(shù)據(jù)，球員各賽季的薪金等數(shù)據(jù)。

?

?

確定分析思路

因?yàn)楸救瞬皇欠浅I(yè)的NBA球迷，所以再在拿到數(shù)據(jù)之后，我去科普了一下NBA比賽需要哪些數(shù)據(jù)，通過對應(yīng)網(wǎng)站的瀏覽和查看，了解到數(shù)據(jù)主要分為三類，一類是比賽數(shù)據(jù)，以字段，勝場，得分，主客場勝負(fù)，勝率，凈勝場，最近10場勝負(fù)為主。一類是球員數(shù)據(jù)，以命中率，PER，WS，得分為主。最后一類薪資數(shù)據(jù)，以球員薪資，占比，球隊(duì)薪資，占比為主。

了解了關(guān)注點(diǎn)后，我查看了手上有的數(shù)據(jù)，并把其劃分為4塊。列出四個主題，球隊(duì)分析，球員分析，薪資分析，季后賽分析。主題相應(yīng)分析模塊如下所示：

?

根據(jù)分析模塊，選擇合適的可視化圖表

按照上面的思路，我們可以根據(jù)分析模塊提前確定好可視化圖表，后面就可以按部就班制作可視化分析圖表，提高效率。至于圖表的選擇，這塊之前我在很多文章都講過，參照下面這張圖就可以了：

除了可視化圖表之外，要想讓你的可視化作品更加貼合主題，還可利用一些可視化元素，比如NBA相關(guān)的圖片或者圖標(biāo)等等，這些元素往往能夠起到畫龍點(diǎn)睛的效果。

基礎(chǔ)數(shù)據(jù)整理，數(shù)據(jù)加工

上面的準(zhǔn)備工作完成之后，接下來就是使用工具進(jìn)行分析了。涉及到數(shù)據(jù)表比較多，而且需要進(jìn)行的數(shù)據(jù)加工也比較繁雜，用Excel顯然不是一個快捷的辦法，我選擇了用BI工具FineBI進(jìn)行可視化分析操作。

打開FineBI，點(diǎn)擊添加數(shù)據(jù)表，把本次分析所用到的數(shù)據(jù)表導(dǎo)入

?

然后利用FineBI的自助數(shù)據(jù)集功能進(jìn)行數(shù)據(jù)處理，按照我們上面的數(shù)據(jù)分析思路，我利用魚骨圖梳理的四個分析主題需要用到數(shù)據(jù)表，然后分別創(chuàng)建自助數(shù)據(jù)集進(jìn)行加工

?

利用FineBI的自助數(shù)據(jù)集加工數(shù)據(jù)的過程比Excel方便的多，它自帶數(shù)據(jù)處理的工程，可以對數(shù)據(jù)進(jìn)行分組求和、求平均、過濾等一系列的操作，而且每一步操作在左邊的面板都會有記錄，方便后續(xù)檢查

點(diǎn)擊創(chuàng)建自助數(shù)據(jù)集，制作球員數(shù)據(jù)寬表。

第一步，新增比賽失分列，用函數(shù)從比分列中獲取比賽失分，具體的函數(shù)使用方法，系統(tǒng)理由非常詳細(xì)的講解，我就不多說了

?

然后再新增列，分別統(tǒng)計出主客場勝、負(fù)場數(shù)

?

然后按照球員和時間分組匯總，并計算出每個球員的勝率（勝率=勝場/（勝場+負(fù)場））和場均得分（場均得分=得分/場次）、場均失分（場均失分=比賽失分/場次）

?

?

這樣一張球員數(shù)據(jù)寬表就基本完成了，整個數(shù)據(jù)加工的過程步驟比較多，但是操作上比較簡便，步驟式的記錄也不容易出錯。用同樣的方法我們再制作出上面魚骨圖中的其他數(shù)據(jù)表，最近10場比賽的數(shù)據(jù)、球隊(duì)數(shù)據(jù)寬表等等，和上面的操作類似，篇幅原因我就不展示了

可視化圖表制作

最復(fù)雜的數(shù)據(jù)加工環(huán)節(jié)完成之后，下一步就是進(jìn)行可視化圖表制作。這個過程用BI工具制作非常簡單，速度比Excel快N倍，把數(shù)據(jù)指標(biāo)和維度拖拽到坐標(biāo)軸上，圖表就自動生成了，系統(tǒng)還會根據(jù)你選擇的指標(biāo)和維度的數(shù)量，智能推薦合適的可視化圖表

?

然后根據(jù)個人喜好，調(diào)整圖表配色及細(xì)節(jié)

?

最后各主題分析模塊的可視化圖表如下：

球隊(duì)分析：

?

從歷史數(shù)據(jù)看，SAS圣安東尼奧馬刺隊(duì)表現(xiàn)最好，以49.69勝場，63.9%的勝率居球隊(duì)第一名。而近兩年勝場最高的球隊(duì)是GSW金州勇士隊(duì)獲得了115場勝場，也榮獲了單年最高的72勝場，而SAS圣安東尼奧馬刺隊(duì)則是以102勝場保持第二名。

14年前，SAS勝場超過GSW，但近兩年發(fā)揮低于GSW,再來看球隊(duì)16賽季因素排名表，GSW16年奪冠，是由于其綜合實(shí)力。得分、助攻、三分、籃板、蓋帽等均處于領(lǐng)先水平，而SAS隊(duì)的特點(diǎn)則是，穩(wěn)扎穩(wěn)打，犯規(guī)較多，失誤較少。

球員分析：

?

根據(jù)16-17賽季個人平均PER，平均得分，平均籃板，平均三分，平均助攻，得出16賽季MVP為Jarnell Stokes，得分王為Russell Westbrook ,籃板王為Hassan whitesid,三分王為Stephen Curry，助攻王為James Harden。

個人喜歡火箭就拿James Harden做了下分析，從命中熱力圖可知，他的得分區(qū)域主要是籃下投籃及罰球區(qū)投籃。根據(jù)八維雷達(dá)圖，哈登的長處在于得分，助攻和籃板，得分遠(yuǎn)超16賽季平均水平，除了中，遠(yuǎn)距離命中率，哈登其他位置的命中率也隨著時間逐步上升。PER值也是逐年上升，正值黃金時期。

薪資分析：

?

平均薪資前十的球隊(duì)為布魯克林籃網(wǎng)，紐約尼克斯，邁阿密熱火，俄克拉荷馬雷霆等，進(jìn)一步分析得知布魯克林籃網(wǎng)因?yàn)槭切虑蜿?duì)，所以平均薪水高，整體球隊(duì)薪資呈上升趨勢。

個人薪資情況的話，John Wall薪資最高，且個人平均薪資在2015賽季后顯著上升，單看GSW隊(duì)，隊(duì)內(nèi)成員薪資差距大，Keven，klay,Stephen,andrew占了薪資的80%，個人薪水和賽季個人得分呈正相關(guān)，也和個人PER呈正相關(guān)

生成儀表板

最后調(diào)整儀表板上的圖表布局，突出重點(diǎn)數(shù)據(jù)，優(yōu)化圖表及配色，加入準(zhǔn)備好的NBA可視化元素，把我們分析的結(jié)論也可以添加在儀表板中，一張完整的NBA可視化分析報告就完成了：

?

歡迎關(guān)注我的公眾號“商業(yè)智能研究”，私信回復(fù)“資料包”，即可領(lǐng)取大數(shù)據(jù)、數(shù)據(jù)中臺、商業(yè)智能、數(shù)據(jù)倉庫等6G精華資料！

總結(jié)

以上是生活随笔為你收集整理的可视化实战！Python+BI，手把手教你做炫酷的NBA可视化分析的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。