[Python + SQL] NBA史上最弱的球隊是哪一個
原文:[Python入門] 05 元組與資料庫 - 集智
作者:Kaiser部分代碼會有「代碼補完」字樣的注釋,原文是留給讀者自己補完並在線評測的,相當於小作業,這裡就請大家自行腦補吧。
01. elo值
elo值就像現在競技網遊里的天梯系統,隊伍在每場比賽後會根據表現有所調整,勝增敗減,小勝小增,大勝大增。elo值反映了一支隊伍在常規賽中的勝場期望,1800的對應期望是獲勝67場以上,就是王朝級強隊了。具體的天梯分段分布如下:
ELO值 匹配戰績 對應隊伍描述
1800 67-15 史詩級別1700 60-22 總冠軍爭奪者1600 51-31 季後賽水平1500 41-41 平均水平1400 31-51 樂透水平1300 22-60 無言以對1200 15-67 糟糕透頂歷史上最高紀錄是96年總決賽階段的公牛,曾一度突破了1850分。
知名數據分析網站538(fivethirtyeight.com)提供了NBA歷史賽程的elo值記錄(至2015賽季),有六萬餘條數據。這個數據量不能算很大,但是在本地用Excel直接打開操作,估計體驗還是挺痛苦的,這裡就介紹一下如何用Python+SQL來處理,或許會對廣大勞形於Excel之間的朋友們有所幫助。
02. 元組
元組(tuple)是另一種Python中常用的數據類型,他跟列表非常相似,都可以包含若干元素,並且元素的調用都是通過方括弧[]+索引的形式。
sample_list = [0,1,2,3]sample_tuple = (0,1,2,3)# 列表的第1個元素sample_list[0]# 元組的第2個元素sample_tuple[1]
主要區別在於:
- 元組用括弧()定義,列表用方括弧[]定義
- 元組不可更改
- 即使只有一個元素,也需要有逗號,如(item1, )。如果缺了這個逗號,得到的仍是元素本身,而不是元組。
元組只能在定義時賦值,如果強行更改會得到解釋器的錯誤提示。
TypeError:"tuple" object does not support item assignment
有的函數返回值並非一個數值或字元,而是具有多重輸出,這時就以元組格式存在。比如下例返回的是兩個輸入參數的和與乘積,可以點擊運行查看,兩個輸出在()中。
def sum_times(x, y): return (x + y), (x * y)sum_times(2,3)
03. 資料庫
在之前的幾篇教程中,我們已經接觸過了一些數據集,既有在程序中生成的,也有存儲在文本文件中的。對於體積較大的數據集,一般都存在文件中,程序運行時再讀入內存。
但是文件存儲數據(.txt或.csv)還面臨很大的問題,一是當數據量比計算機內存還要大的時候,會帶來沉重的計算負擔甚至無法運行;二是數據有可能高頻變化,比如電商在雙11高峰期每秒就有幾萬次交易,普通的文件格式顯然無法處理。
於是資料庫(database)應運而生。資料庫首先是結構化(structured)存儲數據的方式,為了更加靈活的處理數據,程序不再一次性將所有數據讀入內存,而是根據具體需要進行查詢(query),獲得相應的數據集。完成這些工作的程序語言叫作SQL(Structured Query Language),在計算機方面稍有常識的朋友想必都對這個縮寫不會陌生。
著名的關係型資料庫管理系統有MySQL, Oracle等。
04. SQLite
SQL是專為查詢、操作資料庫所用的語言,所以不像Python, JavaScript等語言那樣功能豐富,擴展多樣。
一個資料庫由若干個表(table)組成,就像每個Excel文件里有多個Sheets。每個表又包含行(row)與列(column),這就比較好理解了。一行代表一個樣本,而多列定義了各個維度上的屬性。
SQLite是一種輕型的資料庫管理系統,佔用資源極低且處理速度快,目前更新到了3版本。Python有專門處理SQLite語句的庫sqlite3。
import sqlite3
以下我們將以一份NBA的歷史賽程數據為例,來了解SQL的基本法則與應用方法。(數據來源:FiveThirtyEight)
05. 查詢
與資料庫進行通信的最基本形式是查詢(query),即返回符合條件的數據子集,其基本關鍵字是SELECT,SELECT後面跟所選列的表頭。前面提到過一個資料庫里可能存在多個表,所以查詢語句必須指定來源表,關鍵字是FROM。
SELECT column1, column2, ... FROM table;
注意SQL是要求句末有分號(;)的,這與Python的習慣大為不同,可能會喚起一度為C++支配的恐懼。
NBA資料庫里只含一張表,名為sheet,假設我們想要查詢sheet表中的team_id列,那麼對應的SQL是:
SELECT team_id FROM nba_history;
如果資料庫非常龐大,那麼即使哪怕僅僅查詢某些列,也是不小的計算量,這裡可以引入新的關鍵字LIMIT,之後接想要查詢的行數。比如只想要前5行的team_id列,那麼SQL為:
SELECT team_id FROM nba_history LIMIT 5;
下例將通過Python調用SQLite,查詢elo_n和win_equiv兩列的前5行:
import sqlite3conn = sqlite3.connect("/mnt/vol0/Py_Intro/05_tuple_database/nbaallelo.db")cur = conn.cursor()# 代碼補完query = #代碼補完cur.execute(query)elos = cur.fetchall()conn.close()print(elos)
可見,查詢語句返回的是以元組(tuple)為元素的列表(list)。上例的輸出即是5個(elo_n, win_equiv)組成的列表,應為:
[(1293.2767, 40.29483), (1306.7233, 41.70517), (1309.6521, 42.012257), (1297.0712, 40.692783), (1279.6189, 38.864048)]
06. SQLite with Python
在04節最後的例子中,除了SQL語句,還有很多Python命令,這些是Python調用SQLite的語句。
連接對象
首先是建立與資料庫的聯繫,sqlite3.connect()將返回Connection實例對象,然後存為conn變數,此時的conn對應的是整個資料庫。
import sqlite3conn = sqlite3.connect("/mnt/vol0/Py_Intro/05_tuple_database/nbaallelo.db")
游標對象
Connection對象的.cursor()可以創建游標對象(cursor object)。游標對象可以對資料庫執行SQL語句並進行更靈活的數據操作。
query是純SQL語句,通過cur.execute()實際執行,此時資料庫查詢的結果仍在cur對象中。最後調用cur.fetchall()將查詢結果全部返回,並存至變數elos,就是最終得到的元組列表。
如果只想返回一條查詢結果,可以使用cur.fetchone()。
關於Python與SQLite3的聯合應用,以後還會深入講解,本篇仍將重點回歸到SQL語句上。
07. Where
僅僅從資料庫的某個表中查詢某一列的前若干行,這樣的操作局限性太大,很難滿足應用需求。實際上我們感興趣的數據子集並非總是按照順序排列,而是符合某種限制條件。
為了進一步縮減精確查詢範圍,可以使用關鍵字WHERE。比如我們想要查詢NBA歷史上,賽後elo值elo_n高於1850的強隊ID,其SQL語句是:
SELECT team_id, elo_n FROM sheet WHERE elo_n > 1850
查詢結果表明,歷史上唯一一支elo值曾經突破1850的隊伍是1996年總決賽時期的芝加哥公牛。
下面請查詢elo_n低於1100的弱隊ID,及其對應比賽日期。sqlite3庫以及連接對象、游標對象已經預定義,可以從定義SQL查詢語句query開始。
# 代碼補完query =# 代碼補完cur.execute(query)elo_1100 = cur.fetchall()conn.close()print(elo_1100)
查詢篩選結果顯示,歷史上一度衰到1100以下的弱旅,也只有1968年一支名為"Squires"的隊伍。
他們這麼弱,我認為與名字起的不好是分不開的。"Squire"在英文中是「侍從」的意思,在《爐石傳說》中,就有很多僕從名為"Squire",比如11聖盾小兵:
原文地址:[Python入門] 05 元組與資料庫 - 集智
系列首篇:[Python入門] 01 基本法則 - 集智交流群組:557373801
想成為合作作者的朋友,歡迎與我聯繫。
推薦閱讀: