Notice
Recent Posts
Recent Comments
Link
250x250
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
Tags
- 프로젝트
- 제이쿼리
- 파이썬
- 시간
- javascript
- CSS
- HTML
- gcp
- java
- 오라클
- 판다스
- 자바
- kotlin
- Spring
- 기록
- oracle
- pandas
- 자바스크립트
- 코틀린
- mlb stats api
- Android
- 어플
- Python
- JQuery
- streamlit
- 안드로이드
- MLB
- 스프링
- 앱
- 배포
Archives
- Today
- Total
develope_kkyu
[Python] ploty를 이용해 내셔널리그 골든글러브 최종 후보 3인 수비 지표 그래프 만들기 본문
728x90
https://developerkkyu37.tistory.com/66
패키지 설치 및 임포트
!pip install plotly
import plotly.offline as pyo
import plotly.graph_objs as go
앞서 만든 데이터 프레임 활용
수비 지표 데이터 추출
경기 출장 수, 송구 아웃, 직접 아웃, 수비 기회, 실책, 송구 실책, 필딩율, RFPG, RFPI 데이터 추출
df_d1 = df.iloc[[0, 2, 3, 5]]
df_d1.rename(index={'gamesPlayed': "유격수 출장수", 'assists': "송구 아웃", 'putOuts' : '직접 아웃', 'chances' : '수비 기회'}, inplace=True)
df_d2 = df.iloc[[4, -1]]
df_d2.rename(index={'errors' : '실책', 'throwingErrors' : '송구 실책'}, inplace=True)
df_d3 = df.iloc[[6, 7, 8]]
df_d1
df_d2
df_d3
그래프 만들기
kim = go.Bar(x=df_d1['Kim'].keys(), y=df_d1['Kim'].values,
marker = {'color': 'gold'},
name='Kim')
swanson = go.Bar(x=df_d1['Swanson'].keys(), y=df_d1['Swanson'].values,
marker = {'color': 'red'},
name='Swanson')
rojas = go.Bar(x=df_d1['Rojas'].keys(), y=df_d1['Rojas'].values,
marker = {'color': '#a4daf6'},
name='Rojas')
data = [kim, swanson, rojas]
layout = go.Layout(title='주요 수비 지표 비교')
fig = go.Figure(data=data, layout=layout)
pyo.iplot(fig)
kim = go.Bar(x=df_d2['Kim'].keys(), y=df_d2['Kim'].values,
marker = {'color': 'gold'},
name='Kim')
swanson = go.Bar(x=df_d2['Swanson'].keys(), y=df_d2['Swanson'].values,
marker = {'color': 'red'},
name='Swanson')
rojas = go.Bar(x=df_d2['Rojas'].keys(), y=df_d2['Rojas'].values,
marker = {'color': '#a4daf6'},
name='Rojas')
data = [kim, swanson, rojas]
layout = go.Layout(title='주요 수비 지표 비교')
fig = go.Figure(data=data, layout=layout)
pyo.iplot(fig)
kim = go.Bar(x=df_d3['Kim'].keys(), y=df_d3['Kim'].values,
marker = {'color': 'gold'},
name='Kim')
swanson = go.Bar(x=df_d3['Swanson'].keys(), y=df_d3['Swanson'].values,
marker = {'color': 'red'},
name='Swanson')
rojas = go.Bar(x=df_d3['Rojas'].keys(), y=df_d3['Rojas'].values,
marker = {'color': '#a4daf6'},
name='Rojas')
data = [kim, swanson, rojas]
layout = go.Layout(title='주요 수비 지표 비교')
fig = go.Figure(data=data, layout=layout)
pyo.iplot(fig)
다음 시즌 김하성을 기대해보자
728x90
'Python' 카테고리의 다른 글
[Python] MLB-StatsAPI를 이용한 mlb 기록 사이트 만들기(배포) - 1 (0) | 2023.02.09 |
---|---|
[Python] plotly를 이용해 MLB 내셔널리그 서부 순위 변동 그래프 만들기 (1) | 2023.01.26 |
[Python] MLB Stats API를 이용해 내셔널리그 골든글러브 후보 3인 수비 지표 비교(김하성 포함) (0) | 2023.01.19 |
[Python] plotly를 이용해 오타니, 저지 2022시즌 타격 성적 비교 그래프 (0) | 2023.01.19 |
[Python] MLB Stats API를 이용해 오타니, 저지 2022시즌 타격 성적 비교 (1) | 2023.01.19 |