今天周末有点时间，自己也是非常热爱篮球，非常喜欢勒布朗.詹姆斯和德维恩.韦德。我们对2020年NBA各队数据做一个整体分析，之前获取的数据在去掉一些重复数据和问题数据之后，数据量有所降低，所以此次分析纯属娱乐，分析结果仅供各位NBA粉丝参考。

此次分析，并没有完全依赖matplotlib和pandas来实现，而是采用了seaborn这个便捷的绘图库，还是自己懒，记不住matplotlib众多的API。

第一步：载入数据
data=pd.read_csv(’./data/nba_2020_nba_players_with_salary.csv’)
data.head()

当我拿到这个数据的时候，作为一个资深的NBA球迷，我都怀疑他是不是2020年的数据，怎么看怎么像16年的数据

第二步：数据简单分析

从拿到的数据来看，共有342名NBA球员及38项统计数据。
从数据中看几项比较重要的信息：
球员平均年龄为26.4岁，年龄段在19-40岁；
球员平均年薪为730万美金，当时最大的合同为年薪3000万美金；

第三步：先看明星球员的效率值

在众多的数据中，有一项名为“RPM”，标识球员的效率值，该数据反映球员在场时对球队比赛获胜的贡献大小，最能反映球员的综合实力。

我们来看一下RPM与其他数据的相关性：

相关性API：corr()
热力图呈现相关性信息：heatmap()

说明一下：在图中我圈起来一个数据，annot=False，代表不在热力图中显示数据，原因是我最初创建的画布太小了，显示数据会比较乱。
如果需要显示数据可以通过plt.figure()，通过设置figsize参数创建合适大小的画布，调整annot=True，即可显示热力图数据即可。

第三步：球员薪资、效率值、年龄等数据分析
3.1 薪资最高的10名运动员

3.2 效率值最高的10名运动员

分析：詹皇拿着联盟最高的薪水，打球也毫不含糊，效率值排名第一。保罗和库里紧随其后，在前10的榜单里，宇宙勇占据3席，我勇威武。

3.3 出场时间最高的10名运动员

分析：“铁人” – 勒布朗詹姆斯
3.4 接下来看一下，数据中所有NBA球员效率值及年龄分布

分析：基本符合正态分布特征

球员薪水方面：

分析：不满足正态分布，明显属于偏态分布，高薪球员占比较小。

3.5 NBA中绝不是越老越值钱，那接下来我们以高斯核密度分布图看看

分析：25–30岁这个年龄段得球员普遍薪水会比较高，而联盟中绝大部分球员，都拿着不足千万美刀的年薪，真羡慕他们的国家，每年要收多少的税呀？哈哈

3.6 有个外行的想法，球员薪水、效率值、年龄及场均得分四个变量间有没有两两相关性关系呢？

分析：可能我肤浅，属实是没看出来什么关系。

3.7 看一看NBA各球队球员的年龄结构，内部我按照球员数量和效率值进行了排名：

分析：真羡慕波士顿凯尔特人、迈阿密热火以及我金州勇士队的老板们，拥有一帮年轻的优秀球员。

3.8 NBA各球队综合实力分析（重点参考球员薪资、效率值、球员平均得分以及三分球命中率等）

分析：勇士(GS)和骑士(CLE)占据前两名的位置，效率值反映球队实力的事实情况。
老马刺(SA)排名第三，平均年龄达29.5岁排名第一，更新血液迫在眉睫。

3.9 使用小提琴图查看NBA各球三分球和球员效率值

分析：从三分球命中率看勇士是当之无愧的王者，骑士次之；从球员效率值来看，勇士和骑士明显是两个最大赢家。