爬取虎扑NBA球员信息+可视化分析代码

以下是爬取虎扑NBA球员信息并进行可视化分析的Python代码：

import requests
from bs4 import BeautifulSoup
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 设置请求头
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}

# 请求网页
url = "https://nba.hupu.com/players"
response = requests.get(url, headers=headers)

# 解析网页
soup = BeautifulSoup(response.content, 'html.parser')
table = soup.find('table', class_='players_table')

# 获取表格列名
columns = []
for th in table.find_all('th'):
    columns.append(th.text.strip())

# 获取表格数据
data = []
for tr in table.find_all('tr')[1:]:
    row = []
    for td in tr.find_all('td'):
        row.append(td.text.strip())
    data.append(row)

# 生成DataFrame
df = pd.DataFrame(data, columns=columns)

# 数据清洗
df['球队'] = df['球队'].apply(lambda x: x.split('\n')[0])
df['位置'] = df['位置'].apply(lambda x: x.split('\n')[0])
df['出生日期'] = df['出生日期'].apply(lambda x: x.split('\n')[0])
df['身高'] = df['身高'].apply(lambda x: x.split('\n')[0])
df['体重'] = df['体重'].apply(lambda x: x.split('\n')[0])
df['经验'] = df['经验'].apply(lambda x: x.split('\n')[0])
df['薪资'] = df['薪资'].apply(lambda x: x.replace(',', ''))

# 数据类型转换
df['身高'] = df['身高'].astype(float)
df['体重'] = df['体重'].astype(float)
df['薪资'] = df['薪资'].astype(float)

# 可视化分析
sns.set(style="whitegrid")

# 球员数量分布
sns.countplot(x="位置", data=df)

# 球员薪资分布
sns.histplot(df['薪资'], kde=False)

# 球员身高、体重关系
sns.scatterplot(x="身高", y="体重", data=df)

plt.show()

代码解释：

1. 首先导入需要使用的库。
2. 设置请求头，发起GET请求，获取网页的HTML文本。
3. 使用BeautifulSoup解析HTML文本，找到目标表格。
4. 获取表格的列名和数据。
5. 将数据存储到Pandas的DataFrame中。
6. 进行数据清洗和类型转换。
7. 使用Seaborn进行可视化分析，绘制球员数量分布、球员薪资分布和球员身高、体重关系图。
8. 显示图形。

注意：爬取网页信息需要遵守相关规定和法律法规。请勿非法爬取网站信息。