文件名称：Project_2：NBA统计分析
文件大小：2.77MB
文件格式：ZIP
更新时间：2024-03-07 03:01:41
HTML
NBA统计分析 欢迎来到我们对2019-2020 NBA赛季的NBA统计数据的分组分析。 数据分析方法和技术摘要 通过在Python，PostgresSQl和SQL等程序中结合使用数据清理技术，我们能够从csv文件中获取想要分析的必要数据。 然后，我们使用获取的数据，通过将球员分组到各种javascript图表上，来查看不同的NBA统计数据，例如球员的薪水，薪水和其他各种属性。 Javascript图表 我们使用了各种JavaScript图表来显示分析结果，还为每个图表添加了交互性元素。 图表具有多种视图，我们能够使用真正独特的人口金字塔和雷达图。 使用人口金字塔图表，我们可以在传统上不应该使用的范围内使用它，以便通过评级和会议提供有关平均玩家薪水的绝佳视图。 雷达图使我们可以看到在前排赢得MVP的精英球员，并允许我们同时查看每个球员的最重要数据以进行潜在的MVP选择。 HTML布局 该页
【文件预览】：
Project_2-master
----.ipynb_checkpoints()
--------data_cleaning_n-checkpoint.ipynb(126KB)
----index.html(5KB)
----Data Cleaning()
--------nba_top_50_schema.sql(8KB)
--------data_cleaning_n.ipynb(126KB)
--------Data()
--------nba_csv_to_html.ipynb(1KB)
----Radar.js(13KB)
----awe_radar.html(4KB)
----nba_chavez.js(966B)
----Project 2.pptx(2.62MB)
----.Rhistory(0B)
----style.awe.css(734B)
----Images()
--------nba.jpg(24KB)
----nba_schema.sql(57KB)
----README.md(2KB)
----chart_n.html(4KB)
----scatter_garrett.html(4KB)
----stylechavez.css(84B)
----scatter_garrett.js(9KB)
----chart_n.js(1KB)
----NBA_Top_50.csv(8KB)
----Flask_app()
--------nba_data.sqlite(64KB)
--------nba_app.py(2KB)
----code_awe.js(3KB)
----d3style.css(1KB)
----table.html(300KB)
----nba_chavez.html(4KB)
----style.css(600B)