各类有关NBA数据统计数据集大合集

这些数据我已上传大家在CSDN上直接搜索就可以！

一、【2022-2023 NBA球员统计】数据集
关键词: 篮球
描述: 语境

该数据集每场比赛包含2022-2023常规赛NBA球员统计数据。
请注意，由团队更改产生了重复的球员名称。

* [2021-2022 NBA播放器统计]（https://www.kaggle.com/datasets/vivovinco/nba-player-stats）
* [2023-2024 NBA播放器统计]（https://www.kaggle.com/datasets/vivovinco/2023-2024-nba-player-stats/data）

内容：

+500行和30列。
列的描述在下面列出。

* RK：排名
*播放器：玩家的名字
* POS：位置
*年龄：球员的年龄
* TM：团队
* G：玩游戏
* GS：游戏开始
* MP：每场比赛的分钟
* FG：每场比赛的射门得分
* FGA：每场比赛的射门得分
* fg％：射门率
* 3P：每场比赛3分射门得分
* 3PA：每场比赛3点射门得分
* 3p％：3点射门得分百分比
* 2p：每场比赛2分射门得分
* 2PA：每场比赛2分射门得分
* 2p％：2分场进球百分比
* efg％：有效的射门攻击百分比
*英尺：每场比赛罚球
* fta：每场罚球尝试
* ft％：罚球百分比
* ORB：每场比赛的进攻篮板
* DRB：每场防守篮板
* TRB：每场比赛总篮板
* AST：每场助攻
* STL：每场比赛
* BLK：每场比赛
* TOV：每场失误
* PF：每场比赛的个人犯规
* PTS：每场比赛点

来自（https://www.basketball-reference.com/leagues/nba_2023_per_game.html）的数据。
来自的图像（https://clutchpoints.com/2023-nba-playoffs-finals-predictions-will-warriors-repeat-repeat-as-champions/）。

==================================================
二、【NBA数据库】数据集
关键词: 艺术与娱乐, 篮球, 运动的, 商业, 教育, 分类
描述:
<BlockQuote> <h2>欢迎来到<i> <b> NBA数据库</b> </i>！��⛹️‍♂️ </h2> </blockquote>

该数据集每天更新，其中包括：

- ** 30 **团队
- ** 4800+**球员
- ** 65,000+**游戏（自1946-47 NBA赛季以来的每场比赛）
- **盒子得分**超过95％的所有游戏
- **逐个游戏**与播放数据的13m+行***的游戏数据总共！

==================================================
三、【NBA数据（1947年至今）】数据集
关键词: 篮球, 运动的
描述: 语境

当我着手为我的第一个NBA相关项目收集数据时，我在篮球参考的游戏索引（现在是Stathead）上反复使用Google表的ImporthTML功能，这至少是不理想的。因此，我决定学习如何进行网络网络和编译这些历史数据供所有人使用（在拉赫曼的棒球数据库中）。

内容

共有3个联赛代表：国家篮球协会（1950年），NBA美国篮球协会的前任（1947-1949）和NBA的美国篮球协会的过去竞争对手（1968-1976）

共有三个信息文件：玩家季节信息，玩家职业信息和团队ambrevs。每个玩家都有一个独特的玩家ID，以促进汇总到职业统计数据。

在团队方面，有7个文件：
- 总计和对手总数
- 每场比赛和对手每场统计
- 每100个财产和对手每100个财产统计（从1974年开始）
- 团队摘要

在玩家方面，有10个文件：
- 播放器总计
- 每个游戏统计数据
- 每36分钟统计数据
- 每100个财产统计数据的球员（从1974年开始）
- 播放器高级统计
- 按播放统计数据（从1997年开始）的播放器播放 - 在不同位置花费的时间，犯规和承诺等的时间百分比
- 球员射击统计数据（从1997年起） - 从不同的射击距离的成功率和尝试率
- 赛季结束（全防卫，全鲁克，全联盟）
- 赛季结束球队投票（全联盟）
- 全明星选择
- 奖项投票结果（年度最佳新秀，年度最佳球员，最有价值的球员，年度最佳防守球员，最有进步的球员）

==================================================
四、【NBA总决赛团队统计】数据集
关键词: 艺术与娱乐, 篮球
描述:
##'Champsdata.csv'和runnerupsdata.csv'

“ Champs.CSV”包含1980年至2017年总决赛比赛的冠军球队的比赛总数。
“ runnerups.csv”包含1980年至2017年总决赛比赛的亚军球队的逐场比赛。1980年的NBA决赛是自NBA添加三分球以来的第一个决赛系列赛。

内容

数据从basketball-Reference.com取消。

变量在“ champs.csv”和“ runnerups.csv”中

- 年：系列赛的年份

- 团队：团队的名字。

- 赢：1 =赢。0 =损失

- 主：1 =主队。0 =客队。

- 游戏：游戏＃

-MP-播放的总分钟。如果游戏没有加班，则等于240（48x5 = 240）。MP＆GT; 240如果Game加班。

-FG-射门得分

-FGA-射门得分尝试

-FGP-射门率

-TP -3点射门得分

-TPA-三点尝试

-TPP-三分百分比

- 英尺 - 罚球

-FTA-罚球尝试

-FTP-罚球百分比

- 球 - 进攻篮板

-DRB-防守篮板

-TRB-总篮板

- AST-协助

-STL-偷

-blk-块

- TOV-失误

-PF-个人犯规

-pts-得分

##数据集由'Champsionsdata.csv'和'runnerupsdata.csv'创建

[1]：https：//github.com/drosenman/nba-finals-three-point-stats/blob/master/data_wrangling.rmd

==================================================
五、【NBA罚球】统计数据集
关键词: 艺术与娱乐, 篮球, 运动的
描述:
＃语境

数据集包括在比赛中罚球，拍摄罚球以及是否进展时进行的信息。

＃内容

一个示例网站是：http：//www.espn.com/nba/playbyplay?gameid=261229030

==================================================
六、【NBA游戏数据】数据集
关键词: 篮球, 运动的
描述:
＃＃＃语境
该数据集收集到NBA游戏数据。我使用[NBA Stats网站]（https://stats.nba.com/）创建此数据集。

您可以在此处的GITHUB存储库中找到有关数据收集的更多详细信息：[NBA Predictor Repo]（https://github.com/nathanlauga/nba-predictor）。

如果您想要有关此API端点的更多信息，请随时进行记录每个端点的nba_api` github repo：[link tere there]（https://github.com/swar/swar/nba_api/nba_api/blob/blob/master/master/docs/docs/docs/table_of_contents.md）
＃＃＃内容

您可以找到5个数据集：

-games.csv：2004赛季到最后更新的所有游戏，包括日期，团队和一些细节，例如积分数，等等。
-games_details.csv：游戏数据集的详细信息，给定游戏玩家的所有统计数据
-COSV：玩家详细信息（名称）
-CSV排名：NBA的排名（分为“会议”专栏中的西部和东部
-Teams.CSV：NBA的所有团队

==================================================
七、【NBA受伤从2010 - 2020年受伤】统计数据集
关键词: 篮球, 运动的
描述:
＃＃＃内容

该数据集包括从2010-2011赛季开始到2019-2020赛季结束的NBA的每一次伤害的细节。

###致谢

数据是从Pro Sports Transactions网站（[ProsportStransactions.com] [1]）中。

[1]：http：//www.prosportstransactions.com

==================================================
八、【本周NBA球员】统计数据集
关键词: 篮球, 美国, 运动的
描述:
＃＃＃语境

制作此数据集的想法是探索常规季节的统治。
是资历 /上一个合同年度等。--
==================================================
九、【NBA球员统计】数据集
关键词: 游戏, 篮球, 美国, 运动的
描述:
- 播放器：字符串 - 播放器的名称
- pos（位置）：弦 - 播放器扮演的位置
- 年龄：整数 - 截至2023年2月1日的玩家年龄
-TM（团队）：字符串 - 球员属于的团队
-G（玩游戏）：整数 - 玩家玩的游戏数
-GS（游戏开始）：整数 - 玩家启动的游戏数
-MP（播放的分钟）：整数 - 播放器演奏的总数
-FG（射门得分）：整数 - 球员实现的射门得分数
-FGA（射门得分尝试）：整数 - 播放器的射门得分数量
-FG％（射门得分百分比）：浮点 - 球员实现的射门得分百分比
-3p（3分场进球）：整数 - 播放器实现的3分场射门数
-3PA（三分球射门尝试）：整数 - 播放器的3分场射门次数数量
-3p％（3分场进球百分比）：浮点 - 球员实现的3分射门率的百分比
-2P（2分场进球）：整数 - 播放器实现的2分场射门数
-2PA（2分场射门尝试）：整数 - 玩家的2分场射门次数
-2p％（2分场进球百分比）：浮点 - 播放器2分射门的百分比
-EFG％（有效的射门得分百分比）：浮点 - 有效的射门得分百分比
-ft（罚球）：整数 - 玩家进行的罚球数量
-FTA（罚球尝试）：整数 - 玩家的罚球数量
-ft％（罚球百分比）：浮点 - 球员罚球的百分比
- ORB（进攻篮板）：整数 - 播放器进攻篮板的数量
-DRB（防守篮板）：整数 - 球员的防守篮板数量
-TRB（总篮板）：整数 - 播放器的总篮板
- AST（助攻）：整数 - 玩家提供的助攻数量
-STL（偷窃）：整数 - 玩家进行的抢断数
-BLK（块）：整数 - 玩家制作的块数
- TOV（失误）：整数 - 播放器进行的失误数量
-PF（个人犯规）：整数 - 玩家犯规的个人犯规数量
-pts（点）：整数 - 播放器得分的总点

资料来源：https：//www.basketball-reference.com/
==================================================
十、【2021-2022 NBA球员统计】
关键词: 篮球, 运动的, 表格
描述:
＃＃＃语境

该数据集包含2021-2022每场比赛的常规赛NBA球员统计数据。
请注意，由团队更改产生了重复的球员名称。

* [2022-2023 NBA播放器统计]（https://www.kaggle.com/datasets/vivovinco/20222023-nba-player-stats-regular）
* [2023-2024 NBA播放器统计]（https://www.kaggle.com/datasets/vivovinco/2023-2024-nba-player-stats/data）

＃＃＃内容

+500行和30列。
列的描述在下面列出。

###致谢

数据来自[篮球参考]（https://www.basketball-reference.com/leagues/nba_2022_per_game.html）。
图片来自[nba]（https://www.nba.com/news/nike-nba-city-edition-edition-uniforms-unveiled）。

==================================================
十一、【NBA球员】统计数据集
关键词: 篮球, 运动的, 人口统计
描述:
***更新2023-10-13：***现在的数据包括2022季节。

***更新2022-08-06：***现在的数据包括2021季节。

***更新2021-08-02：***现在的数据包括2020季，2019年的指标已更新。

***更新2020-08-03：***现在的数据包括2017年，2018年和2019年季节。请记住，像GP，PTS，REB等这样的指标在2019赛季不完整，因为它在上传时正在进行中。

＃＃＃语境

作为一生的篮球粉丝，我一直想将我对这项运动的热情与对分析的热情相结合。因此，我利用NBA Stats API将这些数据集汇总在一起。我希望与我一起为您工作和与之合作一样有趣！

＃＃＃内容

数据集包含了曾是NBA球队阵容的一部分的每个球员的二十年数据。它捕获了人口统计学变量，例如年龄，身高，体重和出生地，诸如团队参加的传记细节，选秀年度和轮流。此外，它具有基本的盒子得分统计数据，例如玩游戏，平均得分，篮板，助攻等。

拉力最初包含52行缺失的数据。使用[篮球参考文献] [1]的数据手动填补了差距。我不知道还有其他数据质量问题。

###分析想法

数据集可用于探索由于游戏理念和玩家开发策略的变化，年龄/身高/体重趋势随着时间的变化如何随着时间而变化。同样，看到NBA的地理多样性以及人才如何影响它可能会很有趣。还可以对玩家职业拱门进行纵向研究。

[1]：https：//www.basketball-reference.com/

==================================================
十二、【自1950年以来的NBA球员统计数据】
关键词: 电子游戏, 篮球, 运动的
描述:
＃＃＃内容

数据集包含67个NBA季节的个人统计数据。从基本的盒子得分属性，例如要点，助攻，篮板等，到更高级的货币球，例如替换价值之类的功能。

另外，感谢[ABIDR] [3]的校正数据集。

[1]：http：//www.basketball-reference.com/
[2]：http：//www.basketball-reference.com/about/glossary.html
[3]：https：//www.kaggle.com/abidrahman

==================================================
十三、【NBA球员统计-2014-2015】数据集
关键词: 篮球
描述:
＃语境

该数据集可以与同一季节的[Shot Logs] [1]数据集配对。

＃内容

2014-2015赛季 +个人详细信息（例如身高）的完整玩家统计数据。重量，等等

[http://www.basketball-reference.com/teams/] [2]
和
[http://stats.nba.com/leaders#!? season=2014-15&seasonType= regular%20Season＆statCategory=min＆cf = minhaby＆cf = minhaby＆permode = totals = totals = totals] [3]

[1]：https：//www.kaggle.com/dansbecker/nba-shot-logs
[2]：http：//www.basketball-reference.com/teams/
[3]：http：//stats.nba.com/leaders#!？SEASON = 2014-15＆seasonType = regular%20Season＆statCategory=min＆cf = min* g = min* g = min*＆permode=totals

==================================================
十四、【NBA球员统计数据（2023赛季）】
关键词: 篮球, 运动的, 初学者, 回归, 英语
描述:
**在篮球分析世界中，预测每个球员的篮球得分至关重要。它是一个至关重要的绩效指标，允许教练，分析师和球迷评估球员的得分能力以及对球队的总体进攻贡献。了解球员在比赛，选手选择和人才搜寻过程中的战略决策中的潜在得分。**��

您也可以查看我的笔记本以获取有关数据集的更多信息。

==================================================
十五、【NBA 2K20播放器数据集】
关键词: 游戏, 篮球, 运动的, 数据可视化, 功能工程
描述:
＃＃＃语境

NBA 2K分析。

＃＃＃内容

NBA2K注册的玩家的详细属性。

###致谢

数据从https://hoopshype.com/nba2k/。有关国家和草稿的其他数据。

＃＃＃灵感

==================================================
十六、【NBA统治力数据集】
关键词: 篮球, 运动的, 收入
描述:
＃＃＃语境

该数据集包含2016-2017赛季NBA球员的合并期间性能数据，以及薪水，Twitter参与度和Wikipedia流量数据。

可以在IBM Developerworks的一系列文章中找到更多信息：[“使用数据科学和机器学习探索估值和出勤”]（https://www.ibm.com/developerworks/libraryworks/library/ba-social/ba-social-influence-influence-python-python-pandas-pandas-pandas-machine-learning-learning-r-1/，播放器”（https://www.ibm.com/developerworks/analytics/library/ba-social-influence-python-python-pandas-machine-learning-rearning-r-2/）。

==================================================
十七、【NBA球员表现】数据集

关键词: 篮球, 运动的, 数据清洁, 数据可视化
描述:
_____
# NBA Players Performance
### Players Performance & Statistics
By [[source]](https://github.com/noah-verdeyen/NBAGamePredictor)
_____

### About this dataset
> This dataset contains comprehensive performance data of National Basketball Association (NBA) players during the 2019-20 season. It includes all the crucial performance metrics crucial to assess a player’s quality of play. Here, you can compare players across teams, positions and categories and gain deeper insight into their overall performance. This dataset includes useful statistics such as GP (Games Played), Player name, Position, Assists Turnovers Ratio, Blocks per Game, Fouls per Minutes Played, Rebounds per Game and more. Dive in to this detailed overview of NBA player performance and take your understanding of athletes within the organization to another level!

### More Datasets
> For more datasets, click [here](https://www.kaggle.com/thedevastator/datasets).

### Featured Notebooks
> - �� **Your notebook can be here!** ��!

### How to use the dataset
> This dataset provides an in-depth look into the performance of NBA Players throughout the 2019-20 season, allowing an informed analysis of various important statistics. There are a number of ways to use this dataset to both observe and compare players, teams and positions.
>
> - By looking at the data you can get an idea of how players are performing across all metrics. The “Points Per Game” metric is particularly useful as it allows quick comparison between different players and teams on their offensive ability. Additionally, exploratory analysis can be conducted by looking at metrics like rebounds or assists per game which allows one to make interesting observations within the game itself such as ball movement being a significant factor for team success.
>
> - This dataset also enables further comparison between players from different positions on particular metrics that might be position orientated or generic across all positions such as points per game (ppg). This includes adjusting for positional skill sets; For example guard’s field goal attempts might include more three point shots because it would benefit them more than larger forwards or centres who rely more heavily on in close shot attempts due to their size advantage over their opponents.
>
> - This dataset also allows for simple visualisation of player performance with respect to each other; For example one can view points scored against assists ratio when comparing multiple point guards etc., providing further insight into individual performances on certain metrics which otherwise could not be analysed quickly with traditional methods like statistical analysis only within similarly situated groups (e.g.: same position). Furthermore this data set could aid further research in emerging areas such as targeted marketing analytics where identify potential customers based off publically available data regarding factors like ppg et cetera which may highly affect team success orotemode profitability dynamicsincreasedancefficiencyoftheirownopponentteams etcet

### Research Ideas
> - Develop an AI-powered recommendation system that can suggest optimal players to fill out a team based on their performances in the past season.
> - Examine trends in player performance across teams and positions, allowing coaches and scouts to make informed decisions when evaluating talent.
> - Create a web or mobile app that can compare the performances of multiple players, allowing users to explore different performance metrics head-to-head

### Acknowledgements
> If you use this dataset in your research, please credit the original authors.
> [Data Source](https://github.com/noah-verdeyen/NBAGamePredictor)
>

### License
>
> **License: [CC0 1.0 Universal (CC0 1.0) - Public Domain Dedication](https://creativecommons.org/publicdomain/zero/1.0/)**
> No Copyright - You can copy, modify, distribute and perform the work, even for commercial purposes, all without asking permission. [See Other Information](https://creativecommons.org/publicdomain/zero/1.0/).

### Columns

**File: assists-turnovers.csv**
| Column name   | Description                       |
|:--------------|:----------------------------------|
| **GP**        | Number of games played. (Integer) |
| **Player**    | Player name. (String)             |
| **Position** | Player position. (String)         |

_____

**File: blocks.csv**
| Column name   | Description                       |
|:--------------|:----------------------------------|
| **GP**        | Number of games played. (Integer) |
| **Player**    | Player name. (String)             |
| **Position** | Player position. (String)         |

_____

**File: fouls-minutes.csv**
| Column name   | Description                       |
|:--------------|:----------------------------------|
| **GP**        | Number of games played. (Integer) |
| **Player**    | Player name. (String)             |
| **Position** | Player position. (String)         |

_____

**File: rebounds.csv**
| Column name   | Description                       |
|:--------------|:----------------------------------|
| **GP**        | Number of games played. (Integer) |
| **Player**    | Player name. (String)             |
| **Position** | Player position. (String)         |

_____

**File: scoring.csv**
| Column name   | Description                       |
|:--------------|:----------------------------------|
| **GP**        | Number of games played. (Integer) |
| **Player**    | Player name. (String)             |
| **Position** | Player position. (String)         |

_____

**File: steals.csv**
| Column name   | Description                       |
|:--------------|:----------------------------------|
| **GP**        | Number of games played. (Integer) |
| **Player**    | Player name. (String)             |
| **Position** | Player position. (String)         |

### Acknowledgements
> If you use this dataset in your research, please credit the original authors.
> If you use this dataset in your research, please credit [](https://github.com/noah-verdeyen/NBAGamePredictor).

这些数据大家在CSDN上直接搜索就可以！