各類有關NBA數據統計數據集大合集

這些數據我已上傳大家在CSDN上直接搜索就可以！

一、【2022-2023 NBA球員統計】數據集
關鍵詞: 籃球
描述: ?語境

該數據集每場比賽包含2022-2023常規賽NBA球員統計數據。
請注意，由團隊更改產生了重復的球員名稱。

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

?內容：

+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
*年齡：球員的年齡
* TM：團隊
* G：玩游戲
* GS：游戲開始
* MP：每場比賽的分鐘
* FG：每場比賽的射門得分
* FGA：每場比賽的射門得分
* fg％：射門率
* 3P：每場比賽3分射門得分
* 3PA：每場比賽3點射門得分
* 3p％：3點射門得分百分比
* 2p：每場比賽2分射門得分
* 2PA：每場比賽2分射門得分
* 2p％：2分場進球百分比
* efg％：有效的射門攻擊百分比
*英尺：每場比賽罰球
* fta：每場罰球嘗試
* ft％：罰球百分比
* ORB：每場比賽的進攻籃板
* DRB：每場防守籃板
* TRB：每場比賽總籃板
* AST：每場助攻
* STL：每場比賽
* BLK：每場比賽
* TOV：每場失誤
* PF：每場比賽的個人犯規
* PTS：每場比賽點

來自（https://www.basketball-reference.com/leagues/nba_2023_per_game.html）的數據。
來自的圖像（https://clutchpoints.com/2023-nba-playoffs-finals-predictions-will-warriors-repeat-repeat-as-champions/）。

==================================================
二、【NBA數據庫】數據集
關鍵詞: 藝術與娛樂, 籃球, 運動的, 商業, 教育, 分類
描述:
<BlockQuote> <h2>歡迎來到<i> <b> NBA數據庫</b> </i>！��???♂? </h2> </blockquote>

該數據集每天更新，其中包括：

- ?** 30 **團隊
- ?** 4800+**球員
- ?** 65,000+**游戲（自1946-47 NBA賽季以來的每場比賽）
- ?**盒子得分**超過95％的所有游戲
- ?**逐個游戲**與播放數據的13m+行***的游戲數據總共！

==================================================
三、【NBA數據（1947年至今）】數據集
關鍵詞: 籃球, 運動的
描述: 語境

當我著手為我的第一個NBA相關項目收集數據時，我在籃球參考的游戲索引（現在是Stathead）上反復使用Google表的ImporthTML功能，這至少是不理想的。因此，我決定學習如何進行網絡網絡和編譯這些歷史數據供所有人使用（在拉赫曼的棒球數據庫中）。

?內容

共有3個聯賽代表：國家籃球協會（1950年），NBA美國籃球協會的前任（1947-1949）和NBA的美國籃球協會的過去競爭對手（1968-1976）

共有三個信息文件：玩家季節信息，玩家職業信息和團隊ambrevs。每個玩家都有一個獨特的玩家ID，以促進匯總到職業統計數據。

在團隊方面，有7個文件：
- 總計和對手總數
- 每場比賽和對手每場統計
- 每100個財產和對手每100個財產統計（從1974年開始）
- 團隊摘要

在玩家方面，有10個文件：
- 播放器總計
- 每個游戲統計數據
- 每36分鐘統計數據
- 每100個財產統計數據的球員（從1974年開始）
- 播放器高級統計
- 按播放統計數據（從1997年開始）的播放器播放 - 在不同位置花費的時間，犯規和承諾等的時間百分比
- 球員射擊統計數據（從1997年起） - 從不同的射擊距離的成功率和嘗試率
- 賽季結束（全防衛，全魯克，全聯盟）
- 賽季結束球隊投票（全聯盟）
- 全明星選擇
- 獎項投票結果（年度最佳新秀，年度最佳球員，最有價值的球員，年度最佳防守球員，最有進步的球員）

==================================================
四、【NBA總決賽團隊統計】數據集
關鍵詞: 藝術與娛樂, 籃球
描述:
##'Champsdata.csv'和runnerupsdata.csv'

“ Champs.CSV”包含1980年至2017年總決賽比賽的冠軍球隊的比賽總數。
“ runnerups.csv”包含1980年至2017年總決賽比賽的亞軍球隊的逐場比賽。1980年的NBA決賽是自NBA添加三分球以來的第一個決賽系列賽。

?內容

數據從basketball-Reference.com取消。

變量在“ champs.csv”和“ runnerups.csv”中

- 年：系列賽的年份

- 團隊：團隊的名字。

- 贏：1 =贏。0 =損失

- 主：1 =主隊。0 =客隊。

- 游戲：游戲＃

-MP-播放的總分鐘。如果游戲沒有加班，則等于240（48x5 = 240）。MP＆GT; 240如果Game加班。

-FG-射門得分

-FGA-射門得分嘗試

-FGP-射門率

-TP -3點射門得分

-TPA-三點嘗試

-TPP-三分百分比

- 英尺 - 罰球

-FTA-罰球嘗試

-FTP-罰球百分比

- 球 - 進攻籃板

-DRB-防守籃板

-TRB-總籃板

- ?AST-協助

-STL-偷

-blk-塊

- ?TOV-失誤

-PF-個人犯規

-pts-得分

##數據集由'Champsionsdata.csv'和'runnerupsdata.csv'創建

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

==================================================
五、【NBA罰球】統計數據集
關鍵詞: 藝術與娛樂, 籃球, 運動的
描述:
＃語境

數據集包括在比賽中罰球，拍攝罰球以及是否進展時進行的信息。

＃內容

一個示例網站是：http：//www.espn.com/nba/playbyplay?gameid=261229030

==================================================
六、【NBA游戲數據】數據集
關鍵詞: 籃球, 運動的
描述:
＃＃＃語境
該數據集收集到NBA游戲數據。我使用[NBA Stats網站]（https://stats.nba.com/）創建此數據集。

您可以在此處的GITHUB存儲庫中找到有關數據收集的更多詳細信息：[NBA Predictor Repo]（https://github.com/nathanlauga/nba-predictor）。

如果您想要有關此API端點的更多信息，請隨時進行記錄每個端點的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）
＃＃＃內容

您可以找到5個數據集：

-games.csv：2004賽季到最后更新的所有游戲，包括日期，團隊和一些細節，例如積分數，等等。
-games_details.csv：游戲數據集的詳細信息，給定游戲玩家的所有統計數據
-COSV：玩家詳細信息（名稱）
-CSV排名：NBA的排名（分為“會議”專欄中的西部和東部
-Teams.CSV：NBA的所有團隊

==================================================
七、【NBA受傷從2010 ?- ?2020年受傷】統計數據集
關鍵詞: 籃球, 運動的
描述:
＃＃＃內容

該數據集包括從2010-2011賽季開始到2019-2020賽季結束的NBA的每一次傷害的細節。

###致謝

數據是從Pro Sports Transactions網站（[ProsportStransactions.com] [1]）中。

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

==================================================
八、【本周NBA球員】統計數據集
關鍵詞: 籃球, 美國, 運動的
描述:
＃＃＃語境

制作此數據集的想法是探索常規季節的統治。
是資歷 /上一個合同年度等。--
==================================================
九、【NBA球員統計】數據集
關鍵詞: 游戲, 籃球, 美國, 運動的
描述:
- 播放器：字符串 - 播放器的名稱
- ?pos（位置）：弦 - 播放器扮演的位置
- 年齡：整數 - 截至2023年2月1日的玩家年齡
-TM（團隊）：字符串 - 球員屬于的團隊
-G（玩游戲）：整數 - 玩家玩的游戲數
-GS（游戲開始）：整數 - 玩家啟動的游戲數
-MP（播放的分鐘）：整數 - 播放器演奏的總數
-FG（射門得分）：整數 - 球員實現的射門得分數
-FGA（射門得分嘗試）：整數 - 播放器的射門得分數量
-FG％（射門得分百分比）：浮點 - 球員實現的射門得分百分比
-3p（3分場進球）：整數 - 播放器實現的3分場射門數
-3PA（三分球射門嘗試）：整數 - 播放器的3分場射門次數數量
-3p％（3分場進球百分比）：浮點 - 球員實現的3分射門率的百分比
-2P（2分場進球）：整數 - 播放器實現的2分場射門數
-2PA（2分場射門嘗試）：整數 - 玩家的2分場射門次數
-2p％（2分場進球百分比）：浮點 - 播放器2分射門的百分比
-EFG％（有效的射門得分百分比）：浮點 - 有效的射門得分百分比
-ft（罰球）：整數 - 玩家進行的罰球數量
-FTA（罰球嘗試）：整數 - 玩家的罰球數量
-ft％（罰球百分比）：浮點 - 球員罰球的百分比
- ?ORB（進攻籃板）：整數 - 播放器進攻籃板的數量
-DRB（防守籃板）：整數 - 球員的防守籃板數量
-TRB（總籃板）：整數 - 播放器的總籃板
- ?AST（助攻）：整數 - 玩家提供的助攻數量
-STL（偷竊）：整數 - 玩家進行的搶斷數
-BLK（塊）：整數 - 玩家制作的塊數
- ?TOV（失誤）：整數 - 播放器進行的失誤數量
-PF（個人犯規）：整數 - 玩家犯規的個人犯規數量
-pts（點）：整數 - 播放器得分的總點

資料來源：https：//www.basketball-reference.com/
==================================================
十、【2021-2022 NBA球員統計】
關鍵詞: 籃球, 運動的, 表格
描述:
＃＃＃語境

該數據集包含2021-2022每場比賽的常規賽NBA球員統計數據。
請注意，由團隊更改產生了重復的球員名稱。

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

＃＃＃內容

+500行和30列。
列的描述在下面列出。

###致謝

數據來自[籃球參考]（https://www.basketball-reference.com/leagues/nba_2022_per_game.html）。
圖片來自[nba]（https://www.nba.com/news/nike-nba-city-edition-edition-uniforms-unveiled）。

==================================================
十一、【NBA球員】統計數據集
關鍵詞: 籃球, 運動的, 人口統計
描述:
***更新2023-10-13：***現在的數據包括2022季節。

***更新2022-08-06：***現在的數據包括2021季節。

***更新2021-08-02：***現在的數據包括2020季，2019年的指標已更新。

***更新2020-08-03：***現在的數據包括2017年，2018年和2019年季節。請記住，像GP，PTS，REB等這樣的指標在2019賽季不完整，因為它在上傳時正在進行中。

＃＃＃語境

作為一生的籃球粉絲，我一直想將我對這項運動的熱情與對分析的熱情相結合。因此，我利用NBA Stats API將這些數據集匯總在一起。我希望與我一起為您工作和與之合作一樣有趣！

＃＃＃內容

數據集包含了曾是NBA球隊陣容的一部分的每個球員的二十年數據。它捕獲了人口統計學變量，例如年齡，身高，體重和出生地，諸如團隊參加的傳記細節，選秀年度和輪流。此外，它具有基本的盒子得分統計數據，例如玩游戲，平均得分，籃板，助攻等。

拉力最初包含52行缺失的數據。使用[籃球參考文獻] [1]的數據手動填補了差距。我不知道還有其他數據質量問題。

###分析想法

數據集可用于探索由于游戲理念和玩家開發策略的變化，年齡/身高/體重趨勢隨著時間的變化如何隨著時間而變化。同樣，看到NBA的地理多樣性以及人才如何影響它可能會很有趣。還可以對玩家職業拱門進行縱向研究。

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

==================================================
十二、【自1950年以來的NBA球員統計數據】
關鍵詞: 電子游戲, 籃球, 運動的
描述:
＃＃＃內容

數據集包含67個NBA季節的個人統計數據。從基本的盒子得分屬性，例如要點，助攻，籃板等，到更高級的貨幣球，例如替換價值之類的功能。

另外，感謝[ABIDR] [3]的校正數據集。

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

==================================================
十三、【NBA球員統計-2014-2015】數據集
關鍵詞: 籃球
描述:
＃語境

該數據集可以與同一季節的[Shot Logs] [1]數據集配對。

＃內容

2014-2015賽季 +個人詳細信息（例如身高）的完整玩家統計數據。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球員統計數據（2023賽季）】
關鍵詞: 籃球, 運動的, 初學者, 回歸, 英語
描述:
**在籃球分析世界中，預測每個球員的籃球得分至關重要。它是一個至關重要的績效指標，允許教練，分析師和球迷評估球員的得分能力以及對球隊的總體進攻貢獻。了解球員在比賽，選手選擇和人才搜尋過程中的戰略決策中的潛在得分。**��

您也可以查看我的筆記本以獲取有關數據集的更多信息。

==================================================
十五、【NBA 2K20播放器數據集】
關鍵詞: 游戲, 籃球, 運動的, 數據可視化, 功能工程
描述:
＃＃＃語境

NBA 2K分析。

＃＃＃內容

NBA2K注冊的玩家的詳細屬性。

###致謝

數據從https://hoopshype.com/nba2k/。有關國家和草稿的其他數據。

＃＃＃靈感

==================================================
十六、【NBA統治力數據集】
關鍵詞: 籃球, 運動的, 收入
描述:
＃＃＃語境

該數據集包含2016-2017賽季NBA球員的合并期間性能數據，以及薪水，Twitter參與度和Wikipedia流量數據。

可以在IBM Developerworks的一系列文章中找到更多信息：[“使用數據科學和機器學習探索估值和出勤”]（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球員表現】數據集

關鍵詞: 籃球, 運動的, 數據清潔, 數據可視化
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).

這些數據大家在CSDN上直接搜索就可以！