python小项目一：NBA比赛数据分析 标签： python数据分析csv 2017-06-10 20:18 29人阅读 评论(0)

该项目来源于实验楼，我这里只是记录下自己做完项目的笔记和总结（实验楼是py2的代码，我则是用的py3）。

项目目的：通过分析之前的比赛数据，得到每个队伍的状态的特征表达，利用机器学习训练回归模型，从而对新的比赛进行预测。

为了掌握并实现这个项目，需了解一下几个问题：

1. 如何读取文件夹中的数据？

答：这个项目的数据存储在.csv文件中，因此使用pandas库中的read_csv函数进行读取操作。在读取时给出文件名的路径即可（可用+运算符连接不同的字符串）。读入的数据为Dataframe类型的数据，这是pandas中特有的数据类型，近似理解为可用字符串作为索引的二维数据。

2. 如何对Dataframe类型的数据进行操作？

我们需要把读入的数据转化为训练模型（回归模型）所需要的特征。因此需要把三个不同文件中读入的数据进行裁剪（对应pandas.DataFrame.drop方法）、合并（对应pandas.merge）及其按照team作为索引（pandas.DataFrame.set_index）。

drop方法：删除行：df.drop('列标'， axis=1)

                     删除列：df.drop('行标')

merge方法：这个方法让我产生了“还能有这种操作”的感慨。

                      新数据 = pd.merge(数据1，数据2，how=' ' ,on=' ')

                      参数how指出合并后的数据keys是数据1还是数据2说了算，可取值为left、right、outer、inner；而on指出keys，即按哪个键值合并。

set_index方法：set_index(keys, drop= True, append = False)

                         指出用于索引的keys。

3. 处理Dataframe数据，需要遍历，如何做？访问这个数据中的某一个元素，如何做？

Pandas.DataFrame.iterrows()方法可以返回生成器，以（index，series）对dataframe类型进行循环。

注意DataFrame数据[键值]这样来访问数据是不行的。正确方法是df.loc[索引]可以取出这一索引index对应的series。（注意是.loc[]）。而取出的series可以用iteritems来做迭代，从而取出每一个元素。

4.建立好特征后，通过使用回归模型来得到训练的预测模型？

使用skleran，三步走：实例化一个回归模型model = ... ， model.fit(X, y)，model.predict()。

这个项目预测得到概率，因此用logistic模型，预测时使用predict_proba()方法即可得到概率。

5.文章写入时遇到TypeError: a bytes-like object is required, not str错误。

该错误往往是open()打开文件是，使用二进制模式，之后如果是使用了str()函数，就会出现该错误。这里改为用'w'模式打开就好。

我编写的相关代码可以在http://download.csdn.net/detail/u010103202/9866840处下载。