编程教室：视频制作的注意事项！

01 视频版

对于这个数据分析案例，我做了一个视频版本，解释了代码nba球员位置图，讲了操作的注意事项以及一些利弊、供需。 我在视频制作方面经验不是很丰富，所以请耐心等待。 （视频中有彩蛋

）

写完本文案例的代码后，我将其发布到了虎扑上。 结果被推荐到首页，浏览量超过25万，回复近800条……谢谢JR们的夸奖！

原始图像、更多玩家生成的结果和完整代码可以在以下 URL 找到：

NBA投篮得分统计代码：

生成的数十位足球明星的照片：

提取码：jbpw

02 效果展示

像往常一样，我们先看一下结果。 每个点都是一次射击，蓝色点是命中，红色点是未击中。 挑几个有特色的：

1.哈登

2.西蒙斯

3.德拉赞

4.字母哥

5.咖喱

6.科比·布莱恩特

我们来看看具体步骤。 我们以刚刚获得本赛季总冠军戒指的林书豪为例。

03 获取数据

NBA有一个官方统计网站：上面有各种数据nba球员位置图，可以说是一个宝藏。

从网页上，没有找到我这次需要的数据。 但经过一番搜索，我发现了该网站的开放接口API。 您可以在该项目中查看相关接口和文档：

- API 用于

通过以下接口，我们可以获取指定赛季某球员的详细投篮数据：

+&=0&=&=&模式=&=0&=1&=0&=

该参数用于查询玩家的ID。 这个ID可以通过在网页上搜索玩家的名字从相应的URL中获得。 比如说，林书豪就是。

链接中的两个 2018-19 是赛季参数。 你可以把它们改到其他季节nba球员位置图，但我尽量不要太早。 1996年左右之前没有数据，早期数据的准确性较差。

您可以保留其他参数。

使用库可以轻松获取结果（需要添加）：

response = requests.get(url, headers=headers,timeout=5)

04 解析数据

返回的数据是JSON格式，可以将其转换成格式，方便后续处理：

data = response.json()
# 获取列名即每项投球数据的意思
headers = data['resultSets'][0]['headers']
# 获取投球的相关数据
shots = data['resultSets'][0]['rowSet']
# 转 DataFrame
shot_df = pd.DataFrame(shots, columns=headers)

我们关心的数据是LOC_X、LOC_Y（射击位置）和（射击是否成功）这三列。

05 绘制拍摄点

可以使用库的散点图绘制方法来绘制拍摄点。 我们在之前的各种案例中多次使用过这个：

made = shot_df[shot_df['SHOT_MADE_FLAG']==1]
miss = shot_df[shot_df['SHOT_MADE_FLAG']==0]
plt.scatter(miss.LOC_X, miss.LOC_Y, color='r', marker='.', alpha=0.3)
plt.scatter(made.LOC_X, made.LOC_Y, color='b', marker='.', alpha=0.3)

我们通过参数设置点的大小和透明度，让显示更清晰。

06 绘制间距

拍摄点是画出来的，但这不够直观。 让我们添加另一张体育场的照片。

这是通过Li、Arc等方法拼出来的，没有什么特别的技术，但是代码比较繁琐，这里就不贴出来了。 （如果你愿意，你甚至可以用它来画小猪佩奇）

07 添加头像

最后给数据图添加头像，让数据图看起来更完整。 头像地址：

或者

文件名仍然是玩家的ID，但是这个地址并不是对所有玩家都有效，所以可以做异常处理。

pic = urllib.request.urlretrieve("http://stats.nba.com/media/players/230x185/202391.png")
# imread 读取的图像可以被 matplotlib 绘制
head_pic = plt.imread(pic[0])
# 将球员图片放置于右上角，并设置缩小等级以配合整个图片
img = OffsetImage(head_pic, zoom=0.6)
# (x, y) 控制将球员放在你想要放的位置
img.set_offset((540,640))
# 添加球员图片
fig.gca().add_artist(img)

如果你电脑上的位置错误，记得修改该值（不同系统甚至不同编译器之间可能会有差异）。

最终效果：

有话要说

Q：谁的统计图给你印象最深？