FPL_Data_Visualization

Исследование данных фэнтези-премьер-лиги

Зои Олсон, Кайл Холмберг и Райан Коллиер поставили перед собой цель узнать о сборе, анализе и визуализации данных.

В качестве источника данных мы выбрали Английскую Премьер-лигу, уделив особое внимание улучшению результатов Fantasy Premier League.

Оглавление

• Используемые ресурсы
• Установить
• Содержание
• Способствовать
• Лицензия

Используемые ресурсы

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

Конечная точка API начальной загрузки FPL

Конечные точки API FPL Player (от 1 до переменного числа около 656)

Аналогичный проект

Асинхронные HTTP-запросы в Python 3.5+

Выполнение 1 миллиона запросов с помощью python-aiohttp

Установить

Пожалуйста, установите виртуальные среды.

Вебскреб

1. Клонировать репозиторий.
2. Открыть терминал в репо/webscraper/
3. Создайте и активируйте свою виртуальную среду.
4. $ pip3 install -r requirements.txt
5. $ python3 fpl_csv_converter.py

Приложение Flask

1. Установить доморощенный
2. Откройте терминал и используйте $ brew install mysql
3. Клонировать репозиторий.
4. Измените каталоги в терминале на repo/
5. $ mysql -u <username> -p <password> <database name> < create_fpl_models.sql
6. $ cd app
7. (Временно) Отредактируйте строку 23 файла enter.wsgi.py, указав локальное расположение базы данных MySQL.
8. Создайте и активируйте свою виртуальную среду.
9. $ pip3 install -r requirements.txt
10. $ python3 entry.wsgi.py

Содержание

Чтобы просмотреть наш блокнот Jupyter, нажмите ЗДЕСЬ.

 ├── 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

Способствовать

Что закончено

• Статистический анализ с визуальными эффектами: блокнот Jupyter с использованием pandas и matplotlib
• Сбор данных: веб-скребок Python, который преобразует JSON конечной точки API в базу данных MySQL.
• Интерактивная визуализация данных: d3.js, matplotlib, pandas и Flask.

Что осталось

• Рефакторинг вебскреба
• Редизайн приложения Flask (выпуск запланирован на сезон 2017–2018 гг.)
• Создайте автоматизированный менеджер Fantasy

Лицензия

Массачусетский технологический институт © Кайл Холмберг