企业官网建设流程全解析

3行代码拉取NBA官方数据：nba_api实战指南

【免费下载链接】nba_apiAn API Client package to access the APIs for NBA.com项目地址: https://gitcode.com/gh_mirrors/nb/nba_api

nba_api 是 NBA.com 官方 API 的 Python 客户端，一条 pip 命令装好之后，球员生涯统计、球队比赛日志、实时比分板都能直接拿到手，还能转成 pandas DataFrame。你不用再手写请求 URL、翻 JSON 字段找数据。

项目能做什么

它的核心是把 NBA.com 官网背后的数据接口封装成了 Python 类：浏览器 Network 面板里能看到的统计表，这里基本都能拉到。

几个典型用法：

• 查一个球员的生涯数据：只要球员 ID，返回所有赛季、所有球队的完整统计
• 追踪一整个赛季的胜负：球队比赛日志一次调用，每场的日期、对手、胜负、各项数据全在一行里
• 看今天的比赛实况：实时比分板返回进行中的比赛、当前比分、节次和双方数据王

目前 src/nba_api/stats/endpoints/ 下有 100 多个端点类，覆盖球员、球队、联盟、单场明细这几大类。

3分钟跑通第一个查询

先安装，pandas 是转 DataFrame 用的，建议一起装上：

pip install nba_api pandas

然后调一个端点试试：

from nba_api.stats.endpoints import playercareerstats career = playercareerstats.PlayerCareerStats(player_id='203999') df = career.get_data_frames()[0] print(df[['GP', 'PTS']].head()) # 约基奇的生涯出场与得分

如果看到带 GP（出场数）、PTS（得分）的表格，说明装好了。player_id 是 NBA 官方 ID，怎么查下面坑指南里会讲。

核心功能体验

按球员ID拉生涯数据

场景：想横向对比两个球员的生涯轨迹。调用：PlayerCareerStats必填参数只有 player_id，其余都有默认值。输出：get_data_frames()返回一个 DataFrame 列表，第一个就是生涯汇总表，含赛季、球队、出场、得分、篮板、助攻等列。

career = playercareerstats.PlayerCareerStats(player_id='2544') career.get_data_frames()[0]

查球队一个赛季的胜负

场景：追踪一支球队整季的战绩起伏和得分走势。调用：TeamGameLog传球队 ID 和赛季即可。输出：一场比赛一行，WL 列标胜负，W/L 是滚动战绩，还有对手和球队各项技术统计。

from nba_api.stats.endpoints import teamgamelog log = teamgamelog.TeamGameLog(team_id='1610612747', season='2022-23') df = log.get_data_frames()[0] print(len(df[df['WL'] == 'W']), len(df[df['WL'] == 'L']))

拿今天的实时比分板

场景：想知道现在有哪些比赛、比分多少、谁在砍高分。调用：ScoreBoard不需要任何必填参数。输出：get_dict()里的 scoreboard 结构包含每场游戏的 gameId、状态、主客队实时比分，还有单场得分/篮板/助攻领跑者。

from nba_api.live.nba.endpoints import scoreboard board = scoreboard.ScoreBoard().get_dict() print(board['scoreboard']['games'][0]['gameStatusText'])

每个端点的返回都能按需切换格式：get_json()拿原始 JSON、get_dict()拿字典、get_data_frames()拿 DataFrame，用哪个阶段就切哪个。

踩坑指南与提速技巧

遇到不知道球员、球队 ID的情况，别去网上搜，包里的静态数据就能查：

from nba_api.stats.static import players, teams players.find_players_by_full_name('james') # 支持正则、不区分大小写 teams.find_teams_by_full_name('Lakers')

这些数据内嵌在包里，查询不发任何网络请求，也是新手最常用的功能。

⚠️ 遇到请求频繁被拒或超时，说明打得有点猛。官方没有公开的限速文档，稳妥做法是请求之间隔几秒，失败按退避重试。像生涯统计这种不常变的数据，拉一次落盘缓存（CSV 或 pickle），之后增量更新就行。

要批量拉多个球员的数据，用线程池并发，但线程数压低一点，避免被限：

from concurrent.futures import ThreadPoolExecutor with ThreadPoolExecutor(max_workers=3) as ex: dfs = list(ex.map(lambda pid: playercareerstats.PlayerCareerStats( player_id=pid).get_data_frames()[0], player_ids))

如果网络环境需要走代理，每个端点的构造函数都接收proxy、headers、timeout参数，不用自己改 HTTP 层，docs/nba_api/stats/examples.md里有完整示例。

下一步

各端点的参数说明和返回结构在 docs/nba_api/stats/endpoints/，Jupyter 格式的动手示例在 docs/examples/。想给项目补新端点的话，先看tools/里的生成器工具和CONTRIBUTING.md的贡献流程，照着现有端点仿写一个新类就行。

【免费下载链接】nba_apiAn API Client package to access the APIs for NBA.com项目地址: https://gitcode.com/gh_mirrors/nb/nba_api