Python数据可视化分析大作业-NBA球员信息数据分析与可视化（源码+报告文档）高分项目

NBA_Data_Spider === # 一．项目介绍<br> <br>获得球队数据，从投篮、三分、罚篮等方面进行箱型图的绘制，其中蓝色区域即为数据分布的主要区域，上下边缘线即为数据的上下限，红色线即为中位数，圆圈代表数据异常值。 <br>获得球员数据整体分析时采用了K-Means算法，分成了四簇，不同的簇代表球员命中率分布不同 ，散点图中用不同颜色的点表示。 <br>分析个别球员的时候采用了从2017-2022的数据绘制出雷达图，依次进行能力分析。进行球员2022数据对比时绘制出了两个条形图，根据条形的颜色和长度来分析。<br> # 二. 主要技术<br> a.数据爬取： <br>网络请求：通过发送HTTP请求获取网页数据，使用requests库。 <br>HTML解析：使用第三方库lxml，用lxml.etree.HTML()方法将响应文本解析为HTML文档对象。 <br>XPath选择器：使用XPath表达式定位所需的数据，网页结构清晰因此效率较高。 <br>CSV文件处理：将数据逐行写入CSV文件。<br> b.可视化： <br>Matplotlib库：根据csv文件中的数据绘制箱型图、散点图、雷达图以及条形图等。 <br>数据处理和分析：numpy库、panda库 <br>K均值聚类算法：收集球员数据，根据分析目标和数据特点，选择适当的特征子集，以便进行聚类分析。同时，对选择的特征进行标准化处理，确保不同特征的数值范围和单位相一致，以避免某些特征对聚类结果的影响过大。再使用轮廓系数来选择最合适的簇数。