Python开发案例，pandas模块使用，实现预测NBA比赛结果

前言

利用Python预测一下NBA比赛结果。

主要思路

（1）数据选取

获取数据的连接为：

https://www.basketball-reference.com/

获取的数据内容为：

每支队伍平均每场比赛的表现统计；

每支队伍的对手平均每场比赛的表现统计；

综合统计数据；

2016-2017年NBA常规赛以及季后赛的每场比赛的比赛数据；

2017-2018年NBA的常规赛以及季后赛的比赛安排。

（2）建模思路

主要利用数据内容的前四项来评估球队的战斗力。

利用数据内容的第五项也就是比赛安排来预测每场比赛的获胜队伍。

利用方式为：

数据内容的前三项以及根据数据内容的第四项计算的Elo等级分做为每支队伍的特征向量。

Elo等级分介绍（相关文件中有）：

为方便起见，假设获胜方提升的Elo等级分与失败方下降的Elo等级分数值相等。

另外，为了体现主场优点，主场队伍的Elo等级分在原有基础上增长100。

（3）代码流程

数据初始化；

计算每支队伍的Elo等级分（初始值1600）；

基于数据内容前三项和Elo等级分创建2016-2017年常规赛和季后赛中每场比赛的数据集；

使用sklearn中的LogisticRegression函数创建回归模型；

利用训练好的模型对17-18年常规赛和季后赛的比赛结果进行预测；

将预测结果保存到17-18Result.CSV文件中。

开发工具

Python版本：3.5.4

相关模块：

pandas模块、numpy模块、sklearn模块以及一些Python自带的模块。

环境搭建

安装Python并添加到环境变量，pip安装须要的相关模块便可。

使用演示

在cmd窗口运行Analysis_NBA_Data.py文件便可：

结果：

文章到这里就结束了，感谢你的观看，Python爬虫案例系列，下篇文章AI且mini版飞机大战。

为了感谢读者们，我想把我最近收藏的一些编程干货分享给你们，回馈每个读者，但愿能帮到大家。

干货主要有：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤　Python学习路线图（告别不入流的学习）

⑥　两天的Python爬虫训练营直播权限

All done~点赞+评论～详见我的简介或者私信获取完整源代码。。