FPL_Data_Visualization

Exploração de dados da Fantasy Premiere League

Zoe Olson, Kyle Holmberg e Ryan Collier estabeleceram o objetivo de aprender sobre coleta, análise e visualização de dados.

Escolhemos a Premier League inglesa como nossa fonte de dados, com ênfase na melhoria das pontuações da Fantasy Premier League.

Índice

• Recursos usados
• Instalar
• Conteúdo
• Contribuir
• Licença

Recursos usados

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

Ponto final da API de inicialização FPL

Endpoints da API do FPL Player (1 para um número variável em torno de 656)

Projeto semelhante

Solicitações HTTP assíncronas em Python 3.5+

Fazendo 1 milhão de solicitações com python-aiohttp

Instalar

Instale ambientes virtuais.

Raspador da Web

1. Clonar repositório.
2. Abra o terminal em repo/webscraper/
3. Crie e ative seu ambiente virtual.
4. $ pip3 install -r requirements.txt
5. $ python3 fpl_csv_converter.py

Aplicativo Flask

1. Instale o Homebrew
2. Abra o terminal e use $ brew install mysql
3. Clonar repositório.
4. Mude os diretórios no terminal para repo/
5. $ mysql -u <username> -p <password> <database name> < create_fpl_models.sql
6. $ cd app
7. (Temporário) Edite a linha 23 de entry.wsgi.py para o local do banco de dados MySQL local.
8. Crie e ative seu ambiente virtual.
9. $ pip3 install -r requirements.txt
10. $ python3 entry.wsgi.py

Conteúdo

Para visualizar nosso Jupyter Notebook, clique AQUI

 ├── 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

Contribuir

O que está concluído

• Análise estatística com recursos visuais: Jupyter Notebook utilizando pandas e matplotlib
• Coleta de dados: Python Web Scraper que converte JSON do endpoint da API em um banco de dados MySQL
• Visualização(ões) de dados interativos: d3.js, matplotlib, pandas e Flask

O que sobrou

• Refatorador de webscraper
• Flask App Redesign (lançamento planejado para a temporada 2017-2018)
• Crie um Fantasy Manager automatizado

Licença

MIT © Kyle Holmberg