使用 Python 和 R 进行足球分析

第 7 章 网络搜索：获取和分析选秀权

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

美式足球公共分析领域的一大胜利是nflscrapR ，之后是nflfastR 。通过这些软件包，可以轻松分析我们都热爱的比赛。将数据纳入您的计算空间往往就像下载 Python 或 R 的软件包一样简单，然后就可以走了。

但有时并不那么容易。通常，你需要自己从网上搜刮数据（使用计算机程序下载数据）。虽然用 Python 和 R 教你所有的网络搜刮方法已经超出了本书的范围，但一些相当简单的命令就可以让你获得大量的数据来进行分析。

在本章中，你将从Pro Football Reference（职业橄榄球参考）中获取 NFL Draft 和 NFL Scouting Combine 数据 。这是宾夕法尼亚州费城的一个绝佳资源。该网站隶属于 Sports Reference 公司，后者也提供各种体育运动的免费数据。您将使用该网站获取 NFL 选秀和 NFL 球探组合的数据。

NFL 选秀是一年一度的盛事，在全国多个城市举行。在选秀大会上，各队从高中毕业后至少完成三年学业的球员中选拔球员。虽然过去有更多轮，但 NFL 选秀目前由七轮组成。每轮的选秀顺序取决于各队前一年的表现。弱队的选秀顺位高于强队。球队可以用选秀权换取其他选秀权或球员。

NFL 球探甄选大会是 一年一度在印第安纳州印第安纳波利斯举行的盛会。在选秀大会上，一批有资格参加 NFL 选秀的运动员与 NFL 球队的评估人员会面，进行各种身体和心理测试。此外，这通常被认为是 NFL 一年一度的大会，各队与经纪人之间的交易都在这里达成，有时甚至最终敲定。

这两个数据集的组合是足球分析初学者的绝佳资源，原因有以下几点。首先，数据是每年一次在几天内收集的，此后不会再有变化。虽然有些球员可能会在日后重新进行身体测试，球员也经常会因为各种原因离开选中他们的球队，但选秀球队是不会改变的。因此，一旦获得数据，通常可以使用几乎整个日历年，之后只需在下一年获得新数据时添加即可。

您将从 2022 年开始搜索所有 NFL 球探联合试训和 NFL 选秀数据，然后再加入以后年份的数据进行分析。

提示

Web scraping涉及大量的试验和错误，尤其是在刚开始的时候。一般来说，我们会先找到一个可行的例子，然后逐一修改，直到达到我们的要求。

使用 Python 进行网络抓取

提示

在开始网络搜刮之前，请先进入网页，以便查看要下载的内容。

下面的代码允许我们通过使用for 循环来使用 Python 进行 scrape。如果您跳过了这几章或需要提醒，"球员个人市场和建模 "提供了for 循环的介绍。将 的统一资源定位符（URL）或网址保存到一个对象url 中。在本例中，URL 只是 2022 年 NFL 选秀的 URL。

接下来，使用pandas 软件包中的read_html() 从给定的 URL 读取表格。请记住，Python 从 0 开始计数。因此，数据帧的第 0 个元素，即来自read_html() 的draft_py ，只是网页上的第一个表格。您还需要将NA 草稿中的近似值改为0 ：

## Python
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import statsmodels.formula.api as smf
import numpy as np