FPL_Data_Visualization

Exploration des données de Fantasy Premiere League

Zoe Olson, Kyle Holmberg et Ryan Collier se sont fixé pour objectif d'en apprendre davantage sur la collecte, l'analyse et la visualisation de données.

Nous avons choisi la Premier League anglaise comme source de données, en mettant l'accent sur l'amélioration des scores de la Fantasy Premier League.

Table des matières

• Ressources utilisées
• Installer
• Contenu
• Contribuer
• Licence

Ressources utilisées

https://www.cs.uoregon.edu/Classes/16F/cis451/final.html

Point de terminaison de l'API d'amorçage FPL

Points de terminaison de l'API FPL Player (1 à un nombre variable autour de 656)

Projet similaire

Requêtes HTTP asynchrones en Python 3.5+

Faire 1 million de requêtes avec python-aiohttp

Installer

Veuillez installer des environnements virtuels.

Gratte-Web

1. Cloner le référentiel.
2. Ouvrir le terminal dans le repo/webscraper/
3. Créez et activez votre environnement virtuel.
4. $ pip3 install -r requirements.txt
5. $ python3 fpl_csv_converter.py

Application Flacon

1. Installer Homebrew
2. Ouvrez le terminal et utilisez $ brew install mysql
3. Cloner le référentiel.
4. Changer les répertoires dans le terminal pour repo/
5. $ mysql -u <username> -p <password> <database name> < create_fpl_models.sql
6. $ cd app
7. (Temporaire) Modifiez la ligne 23 de Entry.wsgi.py vers l'emplacement local de la base de données MySQL.
8. Créez et activez votre environnement virtuel.
9. $ pip3 install -r requirements.txt
10. $ python3 entry.wsgi.py

Contenu

Pour consulter notre carnet Jupyter, cliquez ICI

 ├── LICENSE
├── README.md
├── app
│   ├── entry.wsgi.py
│   ├── requirements.txt
│   ├── static
│   └── templates
├── create_fpl_model.sql
├── docs
│   ├── CIS407_Retrospective.pdf
│   ├── CIS451_Final_Report.pdf
│   ├── Retrospective.pdf
│   └── create_fpl_model.sql
├── jupyter_notebook
│   ├── Jupyter_viz.ipynb
│   ├── README.md
│   └── jupyter_viz_files
├── mysql_dump.sql
└── webscraper
    ├── CurrentSeasonStats.csv
    ├── History.csv
    ├── Managers.csv
    ├── Player.csv
    ├── PlayerResultStats.csv
    ├── Result.csv
    ├── Teams.csv
    ├── TotalPastStats.csv
    ├── fpl_csv_converter.py
    └── requirements.txt

Contribuer

Ce qui est fini

• Analyse statistique avec des visuels : Jupyter Notebook utilisant pandas et matplotlib
• Collecte de données : Python Web Scraper qui convertit le point de terminaison de l'API JSON en une base de données MySQL
• Visualisation(s) de données interactive(s) : d3.js, matplotlib, pandas et Flask

Ce qui reste

• Refactoriser le grattoir Web
• Refonte de l'application Flask (sortie prévue pour la saison 2017-2018)
• Créer un Fantasy Manager automatisé

Licence

MIT © Kyle Holmberg