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 Westbrook, 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

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()

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