之前手癢做了一次NBA可視化分析，好多人追着我問教程，這兩天終於閒下來了，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據可視化分析！
先部分展示本次教程的作品：
數據獲取
本次可視化分析的數據來自於網絡，有一部分是從外網下載的，還有一部分是python從NBA官網爬取的，數據集包含從上世紀90年代開始到16-17賽季，包括NBA所有球員、球隊的常規賽，季後賽數據，球員各賽季的薪金等數據。
因爲涉及的數據比較多，爬取過程比較繁雜，我就不在文中多說了，直接把數據集給大家整理好，獲取方式見文末。
確定分析思路
因爲本人不是非常專業的NBA球迷，所以再在拿到數據之後，我去科普了一下NBA比賽需要哪些數據，通過對應網站的瀏覽和查看，瞭解到數據主要分爲三類，一類是比賽數據，以字段，勝場，得分，主客場勝負，勝率，淨勝場，最近10場勝負爲主。一類是球員數據，以命中率，PER，WS，得分爲主。最後一類薪資數據，以球員薪資，佔比，球隊薪資，佔比爲主。
瞭解了關注點後，我查看了手上有的數據，並把其劃分爲4塊。列出四個主題，球隊分析，球員分析，薪資分析，季後賽分析。主題相應分析模塊如下所示：
根據分析模塊，選擇合適的可視化圖表
按照上面的思路，我們可以根據分析模塊提前確定好可視化圖表，後面就可以按部就班製作可視化分析圖表，提高效率。至於圖表的選擇，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相關的圖片或者圖標等等，這些元素往往能夠起到畫龍點睛的效果。
基礎數據整理，數據加工
上面的準備工作完成之後，接下來就是使用工具進行分析了。涉及到數據表比較多，而且需要進行的數據加工也比較繁雜，用Excel顯然不是一個快捷的辦法，我選擇了用BI工具FineBI進行可視化分析操作。
打開FineBI，點擊添加數據表，把本次分析所用到的數據表導入
然後利用FineBI的自助數據集功能進行數據處理，按照我們上面的數據分析思路，我利用魚骨圖梳理的四個分析主題需要用到數據表，然後分別創建自助數據集進行加工
利用FineBI的自助數據集加工數據的過程比Excel方便的多，它自帶數據處理的工程，可以對數據進行分組求和、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，方便後續檢查
點擊創建自助數據集，製作球員數據寬表。
第一步，新增比賽失分列，用函數從比分列中獲取比賽失分，具體的函數使用方法，系統理由非常詳細的講解，我就不多說了
然後再新增列，分別統計出主客場勝、負場數
然後按照球員和時間分組彙總，並計算出每個球員的勝率（勝率=勝場/（勝場+負場））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）
這樣一張球員數據寬表就基本完成了，整個數據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製作出上面魚骨圖中的其他數據表，最近10場比賽的數據、球隊數據寬表等等，和上面的操作類似，篇幅原因我就不展示了
可視化圖表製作
最複雜的數據加工環節完成之後，下一步就是進行可視化圖表製作。這個過程用BI工具製作非常簡單，速度比Excel快N倍，把數據指標和維度拖拽到座標軸上，圖表就自動生成了，系統還會根據你選擇的指標和維度的數量，智能推薦合適的可視化圖表
然後根據個人喜好，調整圖表配色及細節
最後各主題分析模塊的可視化圖表如下：
球隊分析：
從歷史數據看，SAS聖安東尼奧馬刺隊表現最好，以49.69勝場，63.9%的勝率居球隊第一名。而近兩年勝場最高的球隊是GSW金州勇士隊獲得了115場勝場，也榮獲了單年最高的72勝場，而SAS聖安東尼奧馬刺隊則是以102勝場保持第二名。
14年前，SAS勝場超過GSW，但近兩年發揮低於GSW,再來看球隊16賽季因素排名表，GSW16年奪冠，是由於其綜合實力。得分、助攻、三分、籃板、蓋帽等均處於領先水平，而SAS隊的特點則是，穩紮穩打，犯規較多，失誤較少。
球員分析：
根據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爲Jarnell Stokes，得分王爲Russell Westbrook ,籃板王爲Hassan whitesid,三分王爲Stephen Curry，助攻王爲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，他的得分區域主要是籃下投籃及罰球區投籃。根據八維雷達圖，哈登的長處在於得分，助攻和籃板，得分遠超16賽季平均水平，除了中，遠距離命中率，哈登其他位置的命中率也隨着時間逐步上升。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爲布魯克林籃網，紐約尼克斯，邁阿密熱火，俄克拉荷馬雷霆等，進一步分析得知布魯克林籃網因爲是新球隊，所以平均薪水高，整體球隊薪資呈上升趨勢。
個人薪資情況的話，John Wall薪資最高，且個人平均薪資在2015賽季後顯著上升，單看GSW隊，隊內成員薪資差距大，Keven，klay,Stephen,andrew佔了薪資的80%，個人薪水和賽季個人得分呈正相關，也和個人PER呈正相關
生成儀表板
最後調整儀表板上的圖表佈局，突出重點數據，優化圖表及配色，加入準備好的NBA可視化元素，把我們分析的結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：
文中所有數據集、可視化素材及工具，轉發收藏本文，後臺私信“籃球”獲得