0
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from unicodedata import normalize 

tabelas = pd.read_html('https://www.msn.com/pt-br/esportes/basquete/nba/estatisticas-de-times')
for i in tabelas:
  print(i)

tabelas[0].head()

Os dados estão diferentes do site, as linhas estão 'fora' das colunas corretas. Preciso mover a linha para a esquerda, assim os dados ficarão corretos.

    Posição  TIME         TIME.1   GP  ...  LLC  TDAL  %LL  Unnamed: 14
0         1   NaN           Nets  Bkn  ...  409   576  705          817
1         2   NaN          Bucks  Mil  ...  395   444  608          730
2         3   NaN  Trail Blazers  Por  ...  389   486  591          822
3         4   NaN           Jazz  Uta  ...  393   499  643          776
4         5   NaN       Clippers  LAC  ...  422   525  624          841
5         6   NaN        Nuggets  Den  ...  378   451  581          776
6         7   NaN       Warriors   GS  ...  374   509  655          777
7         8   NaN          76ers  Phi  ...  362   611  779          784
8         9   NaN          Bulls  Chi  ...  380   443  558          794
9        10   NaN       Pelicans   NO  ...  368   509  694          733
10       11   NaN        Raptors  Tor  ...  385   524  635          825
11       12   NaN        Wizards  Was  ...  342   530  695          763
12       13   NaN          Kings  Sac  ...  368   467  651          717
13       14   NaN         Pacers  Ind  ...  371   463  598          774
14       15   NaN          Hawks  Atl  ...  354   608  741          821
15       16   NaN      Mavericks  Dal  ...  350   515  656          785
16       17   NaN         Lakers  LAL  ...  358   518  691          750
17       18   NaN      Grizzlies  Mem  ...  371   364  462          788
18       19   NaN        Hornets  Cha  ...  379   444  579          767
19       20   NaN           Suns  Pho  ...  362   414  496          835
20       21   NaN          Spurs   SA  ...  358   460  580          793
21       22   NaN        Celtics  Bos  ...  376   471  619          761
22       23   NaN        Rockets  Hou  ...  340   466  621          750
23       24   NaN   Timberwolves  Min  ...  357   435  579          751
24       25   NaN        Pistons  Det  ...  354   532  679          784
25       26   NaN        Thunder  OKC  ...  343   433  587          738
26       27   NaN           Heat  Mia  ...  352   487  618          788
27       28   NaN          Magic  Orl  ...  350   454  581          781
28       29   NaN      Cavaliers  Cle  ...  337   464  646          718
29       30   NaN         Knicks   NY  ...  357   493  644          766

[30 rows x 15 columns]
5
  • "as linhas estão 'fora' das colunas corretas", poderia apontar exatamente o que está errado?
    – Woss
    Commented 19/02/2021 às 15:02
  • Os dados estão fora de ordem, o correto seria na coluna GP ficaria o valor de 31 na coluna PPG o valor 121.3 assim por diante. Igual ao site que eu exportei os dados msn.com/pt-br/esportes/basquete/nba/estatisticas-de-times/… Commented 19/02/2021 às 15:07
  • Acredito que os valores das colunas estao errado pois apareceu um nova coluna, TIME.1, e os valores corretos ficaram na coluna seguinte. Ex: 817 deveria está na coluna %LL, é isso? Commented 19/02/2021 às 15:09
  • Correto, exclui essas colunas e mesmo assim os dados continuam fora de ordem. Commented 19/02/2021 às 15:11
  • Ja tentou excluir a coluna TIME e renomear as demais colunas Commented 19/02/2021 às 15:13

2 Respostas 2

2

Segue uma possível solução, fazendo o fatiamento, depois utilizando o shift para mover as colunas

import pandas as pd 
import numpy as np 

tabelas = pd.read_html('https://www.msn.com/pt-br/esportes/basquete/nba/estatisticas-de-times') 

df = tabelas[0].copy()

df.loc[:,'TIME':'%LL'] = df.loc[:, 'TIME':'Unnamed: 14'].shift(-1, axis=1).drop('Unnamed: 14', axis=1)
df.drop('Unnamed: 14', axis=1, inplace=True)

Saída

Posição TIME TIME.1 GP PPG AC TDA %AC 3PM 3PA 3P% LLC TDAL %LL
1 Nets Bkn 31 121.3 1.356 2.702 502 471 1.151 409 576 705 817
2 Bucks Mil 29 119.6 1.295 2.652 488 435 1.102 395 444 608 730
3 Trail Blazers Por 28 115.8 1.15 2.574 447 457 1.176 389 486 591 822
4 Jazz Uta 29 115.6 1.186 2.543 466 482 1.227 393 499 643 776
5 Clippers LAC 30 115.4 1.254 2.584 485 430 1.019 422 525 624 841
6 Nuggets Den 28 115.4 1.204 2.51 480 371 981.0 378 451 581 776
7 Warriors GS 29 114.7 1.199 2.588 463 418 1.119 374 509 655 777
8 76ers Phi 29 114.6 1.205 2.507 481 302 834.0 362 611 779 784
9 Bulls Chi 27 114.6 1.143 2.389 478 364 958.0 380 443 558 794
10 Pelicans NO 28 114.6 1.183 2.459 481 335 911.0 368 509 694 733

...

2
  • 2
    Se pudesse dava outro +1 só pelo trabalho de montar essa tabela. Commented 19/02/2021 às 15:29
  • 2
    Muito obrigado pela ajuda, resolveu o meu problema. Agora partirei para as análises Commented 19/02/2021 às 15:29
1

Olá, minha solução foi renomar as colunas, da seguinte forma:

Alterei o seu dataset "tabelas" para o nome df.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from unicodedata import normalize 

tabelas = pd.read_html('https://www.msn.com/pt-br/esportes/basquete/nba/estatisticas-de-times')
for i in tabelas:
  print(i)

df = tabelas[0]
df.head()

Depois renomeei as colunas

df = df.drop(columns = ['TIME'])
df.rename(columns = {'TIME.1':'TIME', 'GP':'Abrev_Time', 'PPG':'GP','AC':'PPG', 'TDA':'AC', '%AC':'TDA', '3PM':'%AC', '3PA':'3PM', '3P%':'3PA', 'LLC':'3P%', 'TDALL':'LLC', '%LL':'TDALL', 'Unnamed: 14':'%LL'}, inplace = True)
df

P.S - Você precisa dividir a coluna %AC por 10, pois o python não aceita vírgula.

2
  • 1
    Solução inteligente a baixíssimo custo de processamento. Commented 19/02/2021 às 15:31
  • 1
    Muito Obrigado pela ajuda, interessante essa forma também. Commented 19/02/2021 às 15:36

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .