软件测试-搞笑足球视频-世界杯2018|世界杯晋级球队|米索无聊的世界杯趣味解闷站|mesobored.com

2025-11-15 23:09:43 -

搞笑足球视频

前言勒布朗-詹姆斯终于登顶了NBA历史总得分王，他花了20个赛季得了38390分，超越了天勾——贾巴尔老爷子，然后，我经常逛的论坛，就出现了很多讨论帖，讨论NBA球星们的得分能力孰强孰弱，又是一堆关公战秦琼的问题，不过我觉得挺有趣的，大家都在讲述着自己的道理，拿出自己的数据，我想了下，不如做一个得分能力的对比图，决出冠军。

准备指标确定

首先我们确定得分能力包括哪些指标，我这里选取了职业生涯场均得分，职业生涯场均投篮命中率，职业生涯场均三分命中率，职业生涯场均罚球命中率，总决赛场均得分，总决赛场均命中率六大指标；这些指标我们通过数据网站可以获取，这里不做赘述。我们获得数据之后，会按照自己的主观感受赋予5-10分不一样的档次，5分最低，10分最高。球星名单

关于球星，我决定选择乔丹（Goat），詹姆斯（历史总得分王），杜兰特（现役最强得分手），库里（历史最强三分手），科比（只有情怀），奥尼尔（最强中锋大鲨鱼）。实践第一步：导包首先还是导入各种功能模块。opts（options）是 pyecharts 中设置图片详细格式的模块，Radar 是绘制雷达图的类名，因为得分能力包含多个数值，所以我们决定使用雷达图，JsCode 是 pyecharts 中执行 JavaScript 代码的一个类。

代码语言：python复制from pyecharts import options as opts

from pyecharts.charts import Radar

from pyecharts.commons.utils import JsCode第二步：数据我们将获取到的数据准备好，数值内容并不多，主要代码如下所示：

代码语言：python复制Jordan = [{"value": [10, 8, 7, 7, 10, 8], "name": "乔丹"}]

James= [{"value": [8, 8, 6, 6, 9, 8], "name": "詹姆斯"}]

Durant = [{"value": [8, 9, 7, 9, 9, 9], "name": "杜兰特"}]

Kobe = [{"value": [7, 7, 7, 8, 8, 6], "name": "科比"}]

Curry = [{"value": [6, 7, 9, 9, 8, 7], "name": "库里"}]

O'Neal = [{"value": [8, 9, 6, 5, 8, 9], "name": "奥尼尔"}]这6个人的数值都用他们各自的英文名作变量名，每个变量是一个 list，里面包含一个 dict，dict 中 value 就代表了每个人的数据值，其同样是一个 list，包含上述6个数据的评级。后面的 name 则是每个人的中文名，实际上 name 在整个代码中并没有什么作用，只方便显示。

接下来是一个名为 myschema 的变量，是一个 list，里面包含6个 dict，每个 dict 包含3个 key，这6个 dict 主要用来设置雷达图的坐标轴，后面会详细说明。

代码语言：python复制myschema = [

{"name": '生涯场均得分', "max": 10, "min": 0},

{"name": '生涯命中率', "max": 10, "min": 0},

{"name": '生涯三分命中率', "max": 10, "min": 0},

{"name": '生涯罚球命中率', "max": 10, "min": 0},

{"name": '总决赛场均得分', "max": 10, "min": 0},

{"name": '总决赛场均命中率', "max": 10, "min": 0}

]然后就开始我们的主要绘图部分。首先生成一个 Radar 类的实例 r，在这里我们设置了图表的背景图，用到的是 opts.InitOpts 中的 bg_color 属性，其值为

代码语言：python复制{"type": "pattern", "image": JsCode("img"), "repeat": "no-repeat"}"type": "pattern" 表示我们用图片作背景，"image": JsCode("img") 表示我们用 JavaScript 代码来设置这个背景图，"repeat": "no-repeat" 表示图片不重复。而 add_js_funcs 方法就是执行相关的 JavaScript 代码，这里的 JavaScript 代码也很简单，就设置一个名为 img 的变量，指定一下路径。在这里我们用的图片是本地图片，名为 a5.png，我们要把这个图片放在自己的当前工作目录下，不知道当前工作目录的可以执行下面的代码查看：

代码语言：python复制import os

root = os.getcwd()

print(root)接下来是一个长长的 chaining methods（方法链），虽然内容多了点，但不少都是重复性代码，所以并不难理解，这里介绍一下里面的主要部分。

add_schema 方法就是设置我们的雷达图参数 schema 设置为 myschema，就是前面我们提到过的那个 list，里面有6个 dict，每个 dict 就是一个径向轴，dict 的 name 就是径向轴的标签，min 和 max 设置径向轴的最小和最大值。shape 是雷达图的形状，这里设置为圆形，也可以设置为多边形 polygon。center="50%", "50%" 表示雷达图的中心在当前绘图区域的中点位置，即当前绘图区域的高度和宽度的50%位置radius="80%" 表示雷达图的半径为当前绘图区域的大小的80%，即这个区域的宽度和高度中的较小者的80%。angleaxis_opts 参数是用来设置角度坐标轴，其2个参数 axistick_opts、axislabel_opts 全都设为不显示，他们的分别代表了角度轴的刻度、标签，大家可以试试把这些参数设置为 True 的结果。radiusaxis_opts，其用来设置径向轴，其最小值为0，最大值为10，间隔为1，其包含的 splitarea_opts 参数用来设置间隔区域，也就是图中灰色的部分。polar_opts 参数则是设置这个雷达图的相关属性，这里我们全部采用默认设置。add_schema 的另外两个参数 splitline_opt 和 textstyle_opts 则分别用来设置径向轴的分割线和图中文字，这里我们把分割线设为不显示，文章颜色设为黑色。r 的 add 方法则用来向图中添加数据，每个 add 方法会添加一个数据，因为我们一共有6个球星，所以用了6次 add 方法。add 方法中 series_name 用来设置数据序列的名称，这也就是图中上面一排圆圈后面的文字，data 是所要输入的数据，areastyle_opts 用来设置每个数据序列图形区域的属性，这里把每个图形区域的不透明度设为0.1，linestyle_opts 设置图形连线的属性，这里把线宽设为1。set_global_opt 则用来设置整个图表的属性，这里我们设置图的标题为"NBA球星得分能力对比"。最后我们用 render 生成一个网页。

代码语言：python复制(

r.add_schema(

schema=myschema,

shape="circle", # 图片形状

center=["50%", "50%"], # 图片中心位置

radius="75%", # 图片半径大小

angleaxis_opts=opts.AngleAxisOpts(

axistick_opts=opts.AxisTickOpts(is_show=False),

axislabel_opts=opts.LabelOpts(is_show=False),

splitline_opts=opts.SplitLineOpts(is_show=False),

radiusaxis_opts=opts.RadiusAxisOpts(

min_=0,

max_=7,

interval=1,

splitarea_opts=opts.SplitAreaOpts(

is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)

splitline_opts=opts.series_options.SplitLineOpts(is_show=True,

linestyle_opts={'color': 'grey', 'opacity': 0.8})

polar_opts=opts.PolarOpts(),

splitline_opt=opts.SplitLineOpts(is_show=False),

textstyle_opts=opts.TextStyleOpts(color="black"),

)

.add(

series_name="乔丹",

data=Jordan,