NBA比赛数据table表格

本次练习回顾了HTML中table的使用,包括caption、tr、th、td等元素,利用p标签进行排序,img标签引入图片,span标签组合数据。实践了相对定位和绝对定位的配合,设置了1像素实线的下边框,并将球队logo图片处理为圆形效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

下面是假期制作的关于比赛数据table表格的练习:

经典代码:复习制作table表格(caption表名、tr行、th表头、td单元格),由p标签作排序数,<img>标签引用图片,<span>标签作数据组合成。

、制作表格用到定位position:relative(相对定位)和absolute(绝对定位)的配合使用,

、设置的下边框border-bottom:1px(像素) solid(实线) #ddd(颜色)

、设置球队logo图片成圆形效果border-radius:50%;

 

### 使用 Hive NBA 投篮数据分析的实战案例 #### 数据准备阶段 在NBA 投篮数据分析之前,需要准备好数据集。通常可以从公开的数据源获取 NBA比赛记录和球员统计数据。这些数据可能包括每场比赛的时间、地点、参赛队伍以及每次投篮的具体信息(如位置、时间、得分情况等)。假设我们已经拥有了这样的数据并将其存储到 HDFS 中。 为了便于分析,可以创建一个来保存投篮事件的相关字段。例如: ```sql CREATE TABLE IF NOT EXISTS nba_shots ( game_id STRING, player_name STRING, team_name STRING, shot_distance FLOAT, -- 投篮距离 shot_made_flag INT, -- 是否命中 (1 示命中, 0 示未命中) shot_type STRING, -- 投篮类型 (两分/三分) location_x FLOAT, -- X 坐标 location_y FLOAT -- Y 坐标 ) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE; ``` 此 SQL 创建了一个名为 `nba_shots` 的外部用于加载原始 CSV 文件[^2]。 #### 数据清洗与预处理 由于实际采集的数据可能存在缺失值或者异常值的情况,因此需要先对数据做初步清理工作。以下是几个常见的操作: - **过滤掉无效的比赛 ID** - **移除射程超过合理范围内的样本** 可以通过以下查询语句实现基本的数据筛选功能: ```sql INSERT OVERWRITE TABLE cleaned_nba_shots SELECT * FROM nba_shots WHERE game_id IS NOT NULL AND shot_distance BETWEEN 0 AND 30; -- 合理的距离区间设定为 0 到 30 英尺之间 ``` 这里定义了一张新的表格叫做 `cleaned_nba_shots` 来存放经过简单净化后的高质量数据集合[^3]。 #### 统计计算部分 一旦完成了前期准备工作,则可以根据业务需求设计各种指标来行深入探索。下面列举了一些典型的例子供参考学习之用: ##### 计算每位选手平均有效投篮次数 通过聚合函数很容易得出每个运动员平均每场尝试了多少次成功的远距离射击动作。 ```sql SELECT player_name, AVG(shot_distance * shot_made_flag) as avg_effective_shot_attempts_per_game FROM cleaned_nba_shots GROUP BY player_name; ``` 这条命令会返回一份列展示各个明星在整个赛季期间各自完成的有效出手频率状况如何变化趋势图谱[^4]。 ##### 探讨不同区域成功率差异对比研究 还可以一步细分考察特定区域内球率是否存在显著区别现象发生呢? ```sql WITH distance_bands AS ( SELECT *, CASE WHEN shot_distance < 8 THEN 'Close Range' WHEN shot_distance >=8 AND shot_distance<16 THEN 'Mid Range' ELSE 'Long Distance' END band_label FROM cleaned_nba_shots ) SELECT band_label, COUNT(*) total_attempts,SUM(shot_made_flag)/COUNT(*) success_rate FROM distance_bands GROUP BY band_label ORDER BY CAST(SUBSTR(band_label,-1)AS INTEGER); ``` 上述脚本首先利用 WITH 子句构建辅助视图将整个球场划分为三个主要分区段落;接着再基于这个临时结构重新整理汇总得到各类别下的总体试炼数目及其对应的成功百分比例数值结果呈现出来给用户查看理解方便快捷直观明了[^5]。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值