R数据可视化简单小例子~NBA球员的薪资水平---用户7010445

在知乎看到问题：NBA最著名的高薪低能是谁?

想到了一个方法：获取球员的薪资水平和场均得分，然后按照场均得分除以薪资得到单位薪水场均得分，然后由小到大排序，越靠前说明性价比越差。当然单纯用得分来衡量一个球员的能力肯定是有失偏颇的，纯属娱乐，不必较真。

球员的薪资数据来自 http://www.espn.com/nba/salaries/_/year/2019，我选取的是2018-2019赛季的数据。

第一步：下载数据

简单的python脚本

import requests from bs4 import BeautifulSoup fw = open('NBA_salary.txt','w') for i in range(1,14): URL = "http://www.espn.com/nba/salaries/_/year/2019/page/" + str(i) headers = {"User-Agent":'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'} page = requests.get(URL,headers=headers) soup = BeautifulSoup(page.content,'html.parser') df = soup.find_all('tr') for aa in df: all_td = aa.find_all('td') rk = all_td[0].get_text() player = all_td[1].get_text() team = all_td[2].get_text() salary = all_td[3].get_text() if rk == "RK": continue else: fw.write('%st%st%st%sn'%(rk,player,team,salary)) print(i) fw.close() 对数据简单探索

2018-2019赛季薪水最高的五位球员是：

library(ggplot2) library(stringr) options(scipen = 200) df2<-read.csv("NBA_salary.tsv", header=F,sep="t", stringsAsFactors = F) df3<-as.data.frame(matrix(unlist(str_split(df2$V2,',')),ncol=2,byrow=T)) head(df3) df3$salary<-as.numeric(str_replace_all(df2$V4,',','')) colnames(df3)<-c("Player",'Pos','Salary') table(df3$Pos) ggplot(df3[1:5,],aes(x=reorder(Player,Salary),y=Salary))+ geom_col(aes(fill=Player))+ geom_text(aes(label=Salary),hjust=1.2,color="white")+ coord_flip()+ theme_bw()+labs(x="")+ theme(legend.position = 'none')

image.png

薪水最高的5位球员分别是 库里、威少、詹姆斯、保罗和格里芬！其中威少，保罗和詹姆斯薪水是一样的。

接下来我们看一下不同位置的薪水是不是有差异。df3$Salary<-df3$Salary/10000000 ggplot(df3,aes(x=Pos,y=Salary))+ geom_boxplot(aes(fill=Pos))+ theme_bw()+labs(y='薪水(千万/美刀)',x="")+ theme(legend.position = 'none')

image.png

从上图可以看出，平均薪资水平最高的是得分后卫。

我们将位置划分为中锋、前锋和后卫三个位置，看一下不同位置之间的差别

df4<-df3 df4$Pos<-ifelse(str_length(df4$Pos)==3, str_sub(df4$Pos,3,3), str_sub(df4$Pos,2,2)) head(df4) table(df4$Pos) help(package='ggpubr') library(ggpubr) color<-tidyquant::palette_dark()[1:3] ggboxplot(df4,x="Pos",y="Salary", color="Pos",bxp.errorbar =T, palette = matrix(color)[,1],add="jitter")+ stat_compare_means(label.x.npc = "center")+ scale_x_discrete(labels=c('后卫','前锋','中锋'))+ labs(x="",y="薪水(千万/美刀)")

image.png

p值等于0.18，中锋、前锋和后卫的薪资均值没有显著差异。

接下来是球员薪水和场均得分的比值

球员的得分数据来自 https://www.basketball-reference.com/leagues/NBA_2019_totals.html

nba_points<-read.csv('2019_2019_points.csv',header=T,stringsAsFactors = F) dim(nba_points) nba_points[1:5,1:5] colnames(nba_points) library(dplyr) df1<-nba_points%>% group_by(Player)%>% summarise(G = sum(G), POS = Pos[1], Age = mean(Age), MP = sum(MP), PTS = sum(PTS)) dim(df1) head(df1) head(df4) df5<-df4%>% left_join(df1,by = 'Player') head(df5) dim(df5) df5$ptspergame<-df5$PTS/df5$G head(df5) df5$salaryperpts<-df5$ptspergame/df5$Salary head(df5)

salaryperpts是单位薪水的得分值，这个数值越高，说明球员性价比越高。当然这个值对因为防守能力而拿到高薪的球员不是很友好。

首先看一下这个数值的整体分布df6<-na.omit(df5)、 summary(df5$salaryperpts) summary(df6$salaryperpts) ggplot(data=df6,aes(x=salaryperpts)) + geom_histogram(fill="#69b3a2", color="#e9ecef", alpha=0.9)+ theme_bw()+ labs(x="",y="")+xlim(0,100)

image.png

从上图可以看出，绝大部分的人单位薪水得分在0~25之间，后面为什么有些数值偏大我暂时还不知道原因。

我们把薪水限制到2千万以上，数据从小到大排序，我们看看都是谁

df7<-df6[order(df6$salaryperpts),] df8<-df7[df7$Salary>2,] df8$Player<-factor(df8$Player,levels = df8$Player) library(ggrepel) pdf(file="1.pdf",width=15) ggplot(df8,aes(x=Player,y=salaryperpts))+ geom_segment(aes(y=0,yend=salaryperpts,x=Player,xend=Player, color=Player),size=0.5)+ geom_point(aes(color=Player),size=10)+ geom_label_repel(aes(label=Player))+ theme_void()+ theme(legend.position = 'none') dev.off()

image.png

从上图从左到右前十名依次是：

1 莱恩安德森2 帕森斯3 海沃德4 巴图姆5 米尔萨普6 保罗7 洛瑞8 霍福德9 小乔丹10 白边 怀特塞得

以上基本符合我们平时的认知，基本是高薪但是对球队贡献比较小的。但是洛瑞上榜挺出乎我的意料的。小乔丹和怀特塞德属于防守型，这个评价指标可能对他两不太公平。

让我选高薪低能我就选 帅哥帕森斯了。哈哈哈，前两名都是马赛克队出品。

上图从右往左前十名是：

1 哈登2 欧文3 莱昂纳德4 字母哥5 恩比德6 浓眉哥7 比尔8 阿尔德里奇9 利拉德10 保罗乔治

都是鼎鼎大名，甚至都是MVP的有力竞争者。

这也从侧面反映单位薪水得分这个指标是有一定价值的。

---来自腾讯云社区的---用户7010445