Ich habe vor kurzem meine Reise in die Fußballanalyse begonnen und ein Beispiel-Python-Programm erstellt, das auf https://understat.com/ verweist, um einzelne Spielschussdaten zu extrahieren.

Dies markiert den Beginn meiner Reise in die Datenmanipulation. Ich freue mich darauf, tiefer in dieses Gebiet einzutauchen und freue mich darauf, im Laufe meiner Fortschritte weitere Updates zu teilen.

Repo:
https://github.com/UribeJr/football-data-scraper-to-csv-exporter

#!/usr/bin/env python
# coding: utf-8

# In[2]:


#import modules and packages
import requests
from bs4 import BeautifulSoup
import json
import pandas as pd


# In[3]:


#scrape single game shots
base_url = 'https://understat.com/match/'
match = str(input("Enter your match ID: "))
url = base_url   match


# In[16]:


res = requests.get(url)
soup = BeautifulSoup(res.content, 'lxml')
span = soup.find('span')
script = soup.find_all('script')
script


# In[18]:


string = script[1].string
string


# In[26]:


#strip symbols so we only have json data
index_start = string.index("('")   2
index_end = string.index("')")

json_data = string[index_start:index_end]
json_data = json_data.encode('utf8').decode('unicode_escape')
data = json.loads(json_data)


# In[35]:


df_h = pd.DataFrame(data['h'])
print("Home Team DataFrame:")
print(df_h.head())


# In[37]:


# Save the home team DataFrame to a CSV file
df_h.to_csv('home_team_shots.csv', index=False)


# In[ ]:

So geht’s

• Importieren Sie alle erforderlichen Paket-/Modulanfragen, Pandas, BeautifulSoup
• Gehen Sie zu https://understat.com/ und gehen Sie zu jedem Spiel, für das Sie spezifische Schussdaten benötigen. Die Match-URL sollte wie folgt aussehen: https://understat.com/match/{match-id}
• Führen Sie data_scraping.py aus und geben Sie die Match-ID ein

Glückwunsch!

Das Programm extrahiert dann die Schussdaten aus dem Spiel und wandelt die Daten jedes Heim- und Auswärtsteams in einen separaten Datenrahmen um. Die Datenrahmen werden dann als separate CSV-Dateien als Referenz exportiert.

Datenrahmen:

CSV: