Алтайский край | г. Барнаул | АО «Почта Банк» | ул.Юрина ул., дом 241 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Энтузиастов 28Б | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Титова дом 17 | +7 495 646-58-14 |
Алтайский край | АО «Почта Банк» | ул. Солнечная Поляна дом 15 к.Б | +7 495 646-58-14 | |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Павловский тракт дом 132 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Островского дом 31 | +7 495 646-58-14 |
Алтайский край | г.![]() |
АО «Почта Банк» | ул. Новосибирская дом 32 (мкр НОВОСИЛИКАТНЫЙ) | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Молодежная дом 68 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Малахова дом 128 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Исакова дом 266 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Исакова дом 113 Е | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Гущина дом 165 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. |
+7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | ул. Антона Петрова дом 144 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | пр. Социалистический дом 69 | +7 495 646-58-14 |
Алтайский край | АО «Почта Банк» | пр. Ленина дом 69 | +7 495 646-58-14 | |
Алтайский край | г. Барнаул | АО «Почта Банк» | пр. Ленина дом 54 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | пр. Комсомольский дом 110 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Почта Банк» | пр. Калинина дом 10 | +7 495 646-58-14 |
Алтайский край | г.![]() |
Банк «Левобережный» (ПАО) | проспект Ленина, 44а | +78003333555; +7 (383) 3 600 900 |
Алтайский край | г. Барнаул | АО «Почта Банк» | пр-т Ленина, д. 113 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | Павловский тракт ул., д. 251В | +7 495 646-58-14 | |
Алтайский край | г. Барнаул | АО «Почта Банк» | Ленина пр-т, д. 53 | +7 495 646-58-14 |
Алтайский край | г. Барнаул | АО «Банк Интеза» | Красноармейский пр-т, д. 15, | +7 (3852) 20-29-37 |
Алтайский край | г. Барнаул | АО «Почта Банк» | Антона Петрова ул., д. 219Б | +7 495 646-58-14 |
Алтайский край | г. Барнаул | ПАО КБ «Восточный» | тракт Павловский, д.![]() |
|
Алтайский край | г. Барнаул | ПАО КБ «Восточный» | ул. Балтийская, д. 67, помещение Н3 | |
Алтайский край | г. Барнаул | ПАО КБ «Восточный» | пр-кт Ленина, д. 42, пом. Н5 | |
Алтайский край | г. Барнаул | ПАО КБ «Восточный» | пр-кт Ленина, д. 161 | |
Алтайский край | г. Барнаул | ПАО КБ «Восточный» | ул. Юрина, д.202/ ул. Островского, д.34, пом.Н7 | |
Алтайский край | г. Барнаул | ПАО КБ «Восточный» | Ленина проспект, д. 100 | |
Алтайский край | г. Бийск | АО «Почта Банк» | ул. Советская дом 34 | +7 495 646-58-14 |
Алтайский край | г.![]() |
АО «Почта Банк» | ул. Можайского дом 8 | +7 495 646-58-14 |
Алтайский край | г. Бийск | АО «Почта Банк» | ул. Мерлина дом 17 | |
Алтайский край | г. Бийск | АО «Почта Банк» | ул. Льнокомбинат дом 68 к.1 | +7 495 646-58-14 |
Алтайский край | г. Бийск | АО «Почта Банк» | ул. Ленинградская дом 107 | +7 495 646-58-14 |
Алтайский край | г. Бийск | АО «Почта Банк» | ул. Декабристов дом 25 | +7 495 646-58-14 |
Алтайский край | г. Бийск | АО «Почта Банк» | пер. Литейный дом 24 | +7 495 646-58-14 |
Алтайский край | г. Бийск | АО «Почта Банк» | пер. Липового дом 72 | +7 495 646-58-14 |
Алтайский край | г.![]() |
АО «Почта Банк» | Можайского ул., дом 8 | +7 495 646-58-14 |
Как проверить кредитную историю самостоятельно и без лишних затрат | ЭКОНОМИКА
Кредитная история — это сведения о том, в каком банке и в каком количестве человеку выдали деньги. В ней отмечают добросовестность погашения основного долга и процентов по нему. Полезно проверять такую информацию самостоятельно перед подачей заявления на кредит и для регулярного контроля за корректностью указанных в ней данных.
Плохая или хорошая
Как и любая история, кредитная бывает хорошей или плохой — в зависимости от поведения заемщика.
Если заемщик пропускает сроки погашения ежемесячных платежей, накопил один или несколько непогашенных кредитов — у него формируется плохая кредитная история. Банки вряд ли доверят ему свои деньги. А если и доверят – то на невыгодных условиях.
Если заемщик взял кредит, вовремя его погасил или продолжает гасить без нарушений сроков, он — выгодный клиент. Его кредитная история — хорошая. С хорошей кредитной историей больше шансов получить выгодные условия по кредиту или ипотеке, попасть в программу лояльности банка.
Кто и где хранит информацию о ваших кредитах
Информация обо всех операциях по кредитам граждан хранится в бюро кредитных историй (БКИ). Единый государственный реестр БКИ создан Центробанком РФ.
Самые крупные авторитетные бюро кредитных историй, это:
- Национальное бюро кредитных историй (НБКИ) — официальный сайт nbki.ru;
- Объединенное Кредитное Бюро (ОКБ) — официальный сайт bki-okb.ru;
- Эквифакс Кредит Сервисиз — официальный сайт equifax.ru.
Фактически, проверка кредитной истории начинается с определения, в каком из этих бюро хранятся данные о ваших кредитах.
Узнаем место хранения
Есть два способа узнать самостоятельно онлайн, где хранятся данные о ваших операциях по кредитам:
- портал Госуслуги;
- официальный сайт Центробанка РФ.
Как узнать кредитную историю бесплатно с помощью портала Госуслуги:
- Заходим под своей учетной записью на www.gosuslugi.ru (услуга доступна только пользователям с подтвержденной учетной записью).
- Вводим в строке поиска запрос «Получение сведений из ЦККИ о БКИ» ЦККИ — это сокращенное название центрального каталога кредитных историй.
- Если удобнее искать услугу по каталогу, действуем так: жмем вкладку «Услуги», заходим в раздел «Налоги и финансы», в нем заходим в подраздел «Сведения о бюро кредитных историй». После этого выбираем электронную услугу «Доступ физических лиц к списку организаций, в которых хранится кредитная история».
- Заполняем заявку в электронном виде и отправляем ее.
- В личный кабинет приходит уведомление об оказании услуги (быстро, ожидание до 10 минут).
- Информация приходит от Банка России. Если вы еще ни разу не брали кредит, увидите надпись об отсутствии в системе сведений о вас.
- Если брали кредит или оформляли кредитку, карту рассрочки — изучите файл, прикрепленный под надписью «Документы от Банка России». Там прописаны названия организаций (наименования конкретных кредитных бюро), в которых хранится информация обо всех ваших кредитных операциях.
Как узнать с помощью сайта Центробанка РФ:
- Зайти на официальный сайт Центробанка РФ www.cbr.ru.
- В меню (верхняя левая часть сайта) выбрать раздел «Кредитные истории».
- В разделе «Кредитные истории» выбрать подраздел «Направление запроса в Центральный каталог кредитных историй».
- Зайти в подраздел «Направление запроса непосредственно в Центральный каталог кредитных историй через официальный сайт Банка России» и заполнить электронную форму на сайте Центробанка.
Получить сведения из ЦККИ непосредственно с сайта Центробанка получится только в случае, если вы знаете свой дополнительный код субъекта кредитной истории. Такой код создают при обращении в кредитную организацию или бюро кредитных историй.
Как правильно отправить запрос в бюро кредитных историй
Ваша история может храниться в одном или в нескольких бюро.
По закону, кредитная история бесплатно предоставляется гражданам РФ два раза в год. Если хотите получить выписку на бумаге с печатями, то такой вариант бесплатно предоставят только раз в год. Количество обращений за деньги — не ограничено.
Запрос в НБКИ
Самостоятельно узнать кредитную историю онлайн в НБКИ можно такими способами:
- По почте, заполнив специальный бланк и направив по адресу 121069, г. Москва, Скатертный переулок, д. 20, строение 1. Подпись на бланке важно заверить у нотариуса. Ссылка на бланк доступна на официальном сайте НБКИ. Сотрудники ответят в течение 3 рабочих дней с момента получения письма.
- Отправить запрос на тот же адрес телеграммой. Подпись на телеграмме заверьте у работника почты.
- Если есть усиленная квалифицированная электронная подпись — отправляйте запрос по электронной почте. Для этого используют тот же бланк и отправляют его вместе с сертификатом подписи на электронку НБКИ: [email protected]
- Другой вариант заказать историю в НБКИ — отправить запрос через личный кабинет на официальном сайте НБКИ. Для этого понадобится подтвержденный аккаунт на портале госуслуг. Это самый простой и удобный способ.
- Обратиться лично к партнерам НБКИ по месту жительства, в этом случае кредитная история НБКИ появится у вас на руках сразу. Партнеры услугу предоставляют за отдельную плату, размер уточняйте заранее. Список пратнеров НБКИ доступен на официальном сайте компании www.nbki.ru.
Запрос в ОКБ
Самый удобный способ получения информации — онлайн. Данные доступны после регистрации на портале http://ucbreport.ru. В онлайн кабинет входят через учетную запись портала Госуслуги, Сбербанк ID или со своим логином и паролем.
Другие способы, как узнать свою кредитную историю в ОКБ:
- Направить письмо или телеграмму с заверенной подписью по адресу: 115114, Москва, Шлюзовая набережная, 4, офис АО «ОКБ».
- Если находитесь в командировке в Москве, можно лично подойти с паспортом в офис по адресу: г. Москва, Шлюзовая набережная, 4, офис АО «ОКБ».
Запрос в бюро Эквифакс
Дистанционно кредитный отчет в Эквифакс выдают в личном кабинете на официальном сайте https://online.equifax.ru. Для этого потребуется подтвержденная учетная запись портала Госуслуги или личное обращение в офис компании с паспортом (чтобы подтвердить личность).
Другие варианты получения отчета:
- Направить письмо или телеграмму с заверенной нотариально (для письма) или на почте (для телеграммы) подписью по адресу: 129090, г. Москва, Каланчевская ул., д.16, стр. 1 (2 этаж, офис 2.09).
- Если находитесь в командировке в Москве, лично подойдите с паспортом в офис по адресу: г. Москва, Каланчевская ул., д.16, стр. 1 (2 этаж, офис 2.09)
Что делать, если обнаружили ошибку в кредитной истории
Периодически проверять свою историю важно и для того, чтобы контролировать правдивость указанной информации. Это — ваша финансовая репутация.
Если обнаружили ошибку в отчете по кредитной истории — пишите заявление в БКИ. Чтобы процесс пошел быстрее, одновременно подайте заявление в банк, который указал ошибочные сведения о вас.
Если банк не реагирует, обратитесь к нему через сервис banki.ru. На этом портале есть представители банков, которые стараются решать проблемы оперативно, чтобы не ронять общий рейтинг своей организации.
Как улучшить свою кредитную историю
Чтобы улучшить свою кредитную историю, гасите кредиты вовремя и не допускайте просрочек. Если планируете в будущем брать крупный кредит, а до этого кредитов еще не брали, воспользуйтесь небольшой уловкой:
- заведите кредитку или возьмите небольшой заем;
- вносите все платежи вовремя;
- каждый добросовестный платеж повышает ваш персональный кредитный рейтинг.
Свой кредитный рейтинг можно отслеживать в личном кабинете одного из БКИ.
Анастасия Федорченко
Где получить и как исправить — Российская газета
Количество обращений россиян о выдаче кредитных историй с начала года возросло в три раза — после того, как закон предоставил возможность дважды в год делать это бесплатно. Интерес понятен: обладателям плохих историй банки стали все чаще отказывать в кредитах. Но кредитные истории важны не только для банков, сообщили «Российской газете» в Центральном банке РФ. Все чаще к кредитным историям обращаются страховые компании и каршеринговые фирмы. Они считают, что между вашей финансовой и водительской дисциплиной есть прямая связь.
Жгучий интерес к кредитным историям испытывают и кадровые службы при приеме на работу. С этим столкнулся наш читатель из Рязани, молодой перспективный специалист Андрей. Он прошел собеседование в крупной компании на ответственный пост. Но приступить к работе сразу не удалось: его попросили подписать согласие на запрос его кредитной истории. Впрочем, он не волновался: кредит брал один раз и полностью погасил его.
Однако когда работодатель Андрея получил его кредитную историю, выяснилось невероятное: за ним числилась просроченная задолженность по двум кредитам! Первый он действительно брал, но давно выплатил. О втором просто не имел понятия. И если по первому задолженность была невелика, то по второму составляла почти полмиллиона!
С первым кредитом все оказалось просто. Деньги банк Андрею перечислял на специально открытую кредитную карту. Погасив кредит, он забыл о ней, а банк продолжал начислять плату за обслуживание.
По словам начальника Главного управления Банка России по Центральному федеральному округу Надежды Ивановой, подобные ошибки клиенты банков совершают довольно часто: они воспринимают кредитную карту как обычную дебетовую, не понимая, что она — часть кредита, и задолженности по ней отражаются в кредитной истории.
Интересуются кредитными историями клиентов не только банки, но и страховые компании, и даже отделы кадров
Поэтому ненужные кредитные карты надо сразу аннулировать. Для этого следует обратиться в банк с заявлением о закрытии карточного счета.
Документ, подтверждающий закрытие счета, нужно сохранить на случай возникновения недоразумений. А через месяц-другой можно удостовериться в банке, что счет и карта точно закрыты, долгов нет.
Что касается второго долга, то здесь сработал «человеческий фактор». Оказалось, в банке, где Андрей брал кредит, был другой клиент — полный его тезка. Он-то и задолжал банку крупную сумму. Так что лучше время от времени самим интересоваться, что за вами числится: есть ли реальные или мнимые долги.
Кредитные истории часто запрашивают страховые компании. Они уверены, что есть связь между тем, как человек платит по кредитам, и как ведет себя за рулем. Водители, которые регулярно и надолго опаздывают с платежами, обычно чаще попадают в аварии и приносят страховщикам убытки. Интересуются кредитной историей клиентов и сервисы каршеринга, выдающие автомобили напрокат. Если человек задолжал крупные суммы и не возвращает кредиты, компании не подпустят его к своим авто.
И, наконец, как на собственном опыте убедился читатель газеты, кредитная история интересна потенциальным работодателям, прежде всего в банковской сфере, госсекторе или крупных коммерческих структурах. Сотрудник с множеством долгов и плохой кредитной историей выглядит для работодателя не очень привлекательно. Он может оценить это как неумение управлять финансами и не доверит ответственный пост.
Однако помните, что запрашивать кредитные истории могут только с вашего согласия.
Хранить 10 лет
Кредитная история, как пояснила Надежда Иванова, — это информация о кредитных обязательствах человека и насколько добросовестно он их исполняет. Она показывает, в какие банки, микрофинансовые организации (МФО) или кредитные потребкооперативы (КПК) вы обращались, когда это было и какие суммы брали.
Эта информация хранится в специальных организациях — бюро кредитных историй (БКИ). В России их больше десятка, и каждый банк, МФО и КПК вправе выбрать любое бюро, в которое он будет передавать информацию о своих заемщиках. Часто финансовые организации направляют данные сразу в несколько бюро. И если вы брали кредиты в разных местах, то, скорее всего, ваша кредитная история хранится по частям в нескольких БКИ. И надо будет получить данные во всех этих бюро, чтобы собрать кредитную историю воедино.
Кредитная история хранится в БКИ 10 лет с тех пор, как в нее последний раз вносили информацию. Особенно пристальное внимание банки и МФО обращают на вашу кредитную активность за последние 2-3 года.
Кредитная история становится визитной карточкой. Не имеешь долгов — значит человек надежный. Фото: Nantonov / iStock
Где получить
Чтобы узнать, в каких именно бюро хранится ваша история, нужно отправить запрос в Центральный каталог кредитных историй, пояснила Иванова. Проще всего сделать это онлайн, к примеру, через портал госуслуг, если вы зарегистрированы на нем.
Нужно зайти во вкладку «Услуги», в раздел «Налоги и финансы», в подраздел «Сведения о бюро кредитных историй». Для доступа к данным понадобятся только паспорт и СНИЛС. В ответ на запрос Банк России пришлет вам в личный кабинет на Портале госуслуг список всех БКИ, в которых хранится ваша кредитная история. Их адрес и номер телефона.
Другая возможность — отправить запрос через официальный сайт Банка России www.cbr.ru. Для этого вам понадобится код субъекта кредитной истории (комбинация букв и цифр). Если вы брали кредит или заем хоть раз в жизни, значит, этот код у вас уже есть. Его можно найти в вашем кредитном договоре либо уточнить в банке или МФО, в которых вы брали кредит. Если вспомнить старый код не удается, а банк или МФО не помогают, код можно сформировать заново. Для этого нужно лично обратиться в любой банк или БКИ, чтобы создать новый код.
Его надо будет указать в запросе, который создается на сайте Банка России. Не позднее следующего рабочего дня вы получите письмо с названиями всех бюро, где хранится ваша история. Также можно направить телеграмму с запросом в Центральный каталог кредитных историй. Ответ придет в течение трех дней. Пришлют его на ваш электронный адрес, который вы должны указать в телеграмме. Получив список бюро, нужно в каждом запросить свою кредитную историю.
По закону два раза в год каждое бюро обязано бесплатно предоставить вам вашу кредитную историю.
Можно отправить онлайн-заявку через сайт БКИ. Вас автоматически переадресуют на портал госуслуг для авторизации, а затем обратно — на сайт бюро. Отчет придет на электронную почту в течение трех рабочих дней. В офисе БКИ вы можете получить свою кредитную историю в бумажном виде в тот же день. Для этого нужно прийти в бюро с паспортом.
Еще один вариант — отправить в БКИ письмо обычной почтой. Такой запрос должен быть заверен нотариусом. В письме можно указать, как вы хотите получить ответ: в бумажном виде на свой почтовый адрес или в электронном — на адрес электронной почты. В этом случае к трем дням на подготовку отчета прибавится время доставки запроса и ответного письма.
Ваша кредитная история, скорее всего, хранится не в одном бюро, а в нескольких, поэтому исправлять ее нужно в каждом из них
Если кредитная история требуется срочно или чаще, чем дважды в год, получить ее можно за плату. Для этого можно использовать все перечисленные способы. Некоторые бюро за дополнительную комиссию могут предоставить отчет в режиме онлайн. Кроме того, можно получить отчет через свой банк. Но при условии, что он сотрудничает с теми БКИ, в которых хранится ваша кредитная история. Оформить запрос можно через личный кабинет на сайте банка. БКИ публикуют на своих сайтах полный список банков, с которыми они работают.
Исправленному верить
Чтобы исправить кредитную историю, рассказала Иванова, нужно написать заявление об оспаривании кредитной истории, адресовав его напрямую в бюро, в котором она хранится. Проще и быстрее всего прийти в бюро и заполнить бланк на месте. Надо иметь с собой паспорт, а также документы из банка или МФО о погашении долга.
Если вы не можете посетить бюро, придется отправить заявление и другие документы почтой. Бланк заявления можно скачать на сайте бюро. Заявление должно быть заверено нотариусом.
Бюро перешлет ваше заявление кредитору. Если банк или МФО подтвердят правоту клиента, бюро исправит ошибку и сообщит ему об этом письменно. Срок — 30 дней с того дня, как бюро получит заявление. Именно так и произошло в ситуации с Андреем.
Однако бывает, что кредиторы не соглашаются с аргументами клиента и настаивают на существовании долга. Тогда остается решать проблему через суд.
Ваша кредитная история, скорее всего, хранится не в одном бюро, а в нескольких, поэтому исправлять ее нужно в каждом из них. Ведь нет гарантии, что кредитор оповестит все бюро о необходимости исправлений. За своей кредитной историей необходимо следить самому.
Следует помнить и о том, что информация из банка о погашении кредита поступает в БКИ не мгновенно. Прежде чем заявлять претензии, убедитесь, что прошло 5 рабочих дней с того момента, как вы закрыли кредит.
Если же у вас и вправду были просрочки по выплате кредитов, помните, что удалить что-либо из кредитной истории нельзя. Но если вы хотите и дальше кредитоваться, ее можно улучшить. По мере необходимости берите совсем небольшие кредиты или займы и очень аккуратно их гасите. Так за пару лет вы можете создать новую — хорошую историю взаимоотношений с кредиторами.
Инфографика «РГ» / Леонид Кулешов / Роман Маркелов
Можно ли исправить плохую кредитную историю? Часть I
Давайте поговорим про деньги. Точнее, про заемные средства. 90% предпринимателей рано или поздно отправляются в банк за кредитом. Отлично, если решение было взвешенным и займ помог в развитии бизнеса. А если человек прогорел и не вернул кредит? Или пару раз просрочил обязательный платеж? А быть может, банки по непонятным причинам начали дружно отказывать вам в кредите?
Что тогда делать? Читать серию наших статей про кредитные истории.
За вами следят. Про вас всё знают
Если вы хоть раз в жизни брали в банке кредит, то у вас стопроцентно есть кредитная история. Это досье на заемщика, в котором синхронизируются все ваши отношения с банками. Хранится досье в бюро кредитных историй (далее — БКИ) в течение 10 лет (с момента внесения в него последней записи).
В России около 20 законно работающих бюро кредитных историй, которые должны быть включены в государственный реестр и чья деятельность регулируется законом «О кредитных историях». Однако практика показывает, что основная часть данных сосредоточена у четырех игроков этого специфического рынка. Так, в числе лидеров значатся «Национальное бюро кредитных историй», «Кредитное Бюро Русский стандарт», «Объединенное кредитное бюро» и «Эквифакс Кредит Сервис».
Все без исключения банки имеют договор с одним или несколькими бюро кредитных историй, куда и отправляют сведения о своих заемщиках: ФИО, паспортные данные, сведения о взятых кредитах (срок, сумма, порядок погашения). База актуализируется быстро, любые изменения обычно вносятся в досье в течение 3-5 дней.
Чем крупнее БКИ, тем с большим количеством банков оно сотрудничает, следовательно, может максимально объективно отражать данные о кредитной истории заемщика. Например, в Национальное бюро кредитных историй стекаются данные из более чем 3000 финансово-кредитных организаций. А в ООО «Кредитное бюро Русский стандарт» хранится свыше 140 миллионов досье.
Доверяй, но проверяй
Зачем банки «пробивают» клиентов в БКИ перед выдачей кредитов — всем понятно. Они просто оценивают надежность потенциального заемщика. Но! Простым гражданам тоже стоит периодически мониторить свой кредитный рейтинг. И вот почему это регулярно стоит делать:
- проверять банк и лично контролировать своевременность внесения денежных средств за пользование кредитом. Например, при проведении платежа через банк произошел технический сбой. Заемщик уверен, что он внес платеж вовремя, а система фиксирует его платеж как просрочку;
- обращение в БКИ — способ выяснить, почему кредитные организации по непонятным причинам начали дружно отказывать вам в заемных средствах;
- зная свою кредитную историю, можно спрогнозировать примерное решение банков по выдаче кредита, размер кредитной ставки и сроки кредитования. Чем чище история, тем лояльнее к вам относится банк;
- если вы теряли паспорт и хотите убедиться, что кто-то не набрал на ваше имя заемных средств.
Как проверить свой кредитный рейтинг?
Это не так сложно, как может показаться на первый взгляд. Главное, знать, что каждый заемщик имеет полное право два раза в год совершенно бесплатно запросить свою кредитную историю у БКИ. Последующие запросы обрабатываются уже за небольшую плату.
Для того, чтобы узнать, в какое именно БКИ ваш банк отправлял сведения (а банк вам, возможно, этого не скажет), нужно знать код, который присваивается каждому заемщику при оформлении кредита.
Возможно, финансово-кредитная организация, одобрившая кредит, такой код клиенту сообщить «забыла». Не стесняйтесь: обратитесь в свой банк и потребуйте этот код вам продублировать. Отказать кредитор в такой просьбе просто не имеет права.
Далее в помощь центральный каталог кредитных историй (ЦККИ), созданный Банком России (ЦБ).
При наличии кода нужно подать запрос через сайт Банка России, для этого достаточно указать свои паспортные данные и адрес электронной почты. В ответ регулятор пришлет данные о том, в каком именно БКИ хранятся сведения. Вот туда вам и нужно.
Как общаться с БКИ?
Для начала запомните одно железное правило: никогда не пользуйтесь услугами посредников. В интернете вы наверняка наткнетесь на предложения мошенников, которые пообещают вам найти данные, если вы просто подтвердите свою личность с помощью смс-сообщения. Деньги с вашего телефона спишутся, а выписку из своей кредитной истории вы так и не увидите. Обращаться нужно непосредственно в то бюро, на которое вам указал ЦБ. У всех компаний есть официальные сайты.
Вот какими способами можно связаться с БКИ.
Самый простой — лично посетить бюро и предоставить свой паспорт. Все дальнейшие действия подскажут сотрудники данной организации. Кстати, во время визита стоит расспросить о возможности создания «личного кабинета» и возможности его идентификации.
Второй способ — обратиться к партнерам бюро в вашем регионе (возможно, есть и региональное отделении компании) и заказать услугу курьерской доставки документа. Реестр партнеров и данные о них всегда можно уточнить на сайте бюро или с помощью звонка.
Третий способ — направить запрос по почте (письмо с уведомлением о вручении), но для этого придется самостоятельно заполнить заявку на получение кредитной истории (предварительно стоит уточнить — в свободной форме или у бюро есть утвержденный образец) и заверить эту заявку у нотариуса. Если такое письмо отправляется второй или третий раз за год, то необходимо приложить квитанцию об оплате услуги (стоимость услуги уточняется у сотрудников БКИ).
Четвертый способ — отправить запрос телеграммой. Условия отправки депеши у каждого бюро могут немного разниться. Одним будет достаточно, что вашу личность на почте идентифицирует сотрудник почты. Другие бюро требуют указать множество ваших личных данных.
После отправки писем и телеграмм представители БКИ обычно оперативно связываются с заказчиком и помогают ему решить все вопросы.
Продолжение читайте в нашей статье: Можно ли исправить плохую кредитную историю? Часть IIУзнать кредитную историю юридического лица
Кредитная история человека
Положительные факторы | Негативные факторы |
---|---|
Нет просрочек по платежам | Просрочка более 30 дней |
Кредитная нагрузка – менее 30% от зарплаты | Кредитная нагрузка – более 50% от зарплаты |
Наличие ипотечного кредита | Более 5 действующих потребительских кредитов, частое обращение за новыми кредитами в различные банки |
Наличие действующего автокредита | Адрес постоянной регистрации, паспортные данные не совпадают с теми, которые были предоставлены при трудоустройстве |
Сотрудник мотивирован на длительные трудовые отношения и рост благосостояния, ответственно относится к своим финансовым и иным обязательствам, умеет управлять личными финансами | Человек не в состоянии соизмерять потребности с возможностями, недостаточно ответственен, скрывает информацию и, возможно, будет решать свои финансовые проблемы за счет работодателя |
Кредитная история компании
Положительные факторы | Негативные факторы |
---|---|
Наличие действующих кредитов | Отказы по кредитам |
Нет просрочек по кредитам | Просрочка по платежам более 30 дней |
Чистый долг ниже 3х EBITDA | Чистый долг выше 3х EBITDA |
Финансовое положение компании является удовлетворительным, компания прошла проверку службы безопасности банка | Финансовое положение компании является неудовлетворительное |
Кого имеет смысл проверять?
Проверка кандидатов на прием на работу, материально-ответственных сотрудников, контрагентов, учредителей малых предприятий позволяет избежать финансовых потерь, обезопасить компанию от мошенничества, снизить дебиторку, повысить эффективность работы персонала.
Как показывает опыт, в малом бизнесе кредитная история собственника может быть эквивалента кредитной истории предприятия.
Просрочка по кредиту — наиболее оперативный сигнал, свидетельствующий об ухудшении финансового положения компании, эта информация обезопасит ваш бизнес от финансовых потерь.
Как выглядит кредитная история?
В составе кредитной истории четыре части: титульная, основная, закрытая и информационная.
Титульная часть кредитной истории содержит персональную информацию о заемщике: ФИО, дата и место рождения, паспортные данные, ИНН и СНИЛС или идентификационные данные о юридическом лице.
Основная часть содержит детальную информацию по кредитным обязательствам заемщика: активным и закрытым кредитам, лимитам и срокам кредитования, непогашенному остатку и своевременности внесения платежей.
В информационную часть включаются данные о выдаче кредита, типе кредита и кредитора, канале подачи заявления, отказе в выдаче кредита с указанием причин отказа, просрочке свыше 120 дней и т.д.
В закрытой части кредитной истории размещается информация о том, кто выдавал кредит, а также какие организации, когда и с какой целью запрашивали в бюро кредитную историю. Эта часть доступна только самому субъекту, Банку России, следственным органам.
Скачать образец Кредитного отчета
Как запросить кредитную историю?
С июля 2014 года работодатели получили возможность запрашивать в кредитных бюро кредитные отчеты. В состав отчета входят титульная и основная часть кредитной истории.
Директора по безопасности, сотрудники отделов кадров, кредитные менеджеры компаний могут теперь получать кредитные отчеты прямо через привычный интерфейс СПАРКа — вместе с другой необходимой для работы информацией.
Сервис функционирует в полном соответствии с законодательством РФ. Информацию из кредитного бюро подписчик системы СПАРК сможет получить, только:
- подписав договор об оказании информационных услуг
- имея на руках согласие субъекта кредитной истории
- выполнив требования по защите персональных данных.
Окно запроса в бюро кредитных историй открывается прямо в пользовательском интерфейсе. Кредитный отчет предоставляется в форме электронного документа, подписанного электронной подписью. Для получения отчета необходимо наличие на компьютере ПО КРИПТО ПРО CSP и клиентского сертификата безопасности ПРО.
Запрос из системы СПАРК выполняется в Объединенное кредитное бюро (ОКБ).
Где хранятся кредитные истории?
Кредитные истории хранятся в кредитных бюро, Объединенное кредитное бюро (ОКБ) – лидер рынка, его база данных охватывает около 90% экономически активного населения страны. Акционерами ОКБ, которое было создано в 2004 году, являются Сбербанк, международная корпорация Experian и «Интерфакс».
Что такое «согласие»?
Компания, решившая проверить кредитную историю потенциального или действующего сотрудника, или же своего контрагента, должна получить у него на это письменное согласие.
Для того, чтобы дать согласие компании на проверку кредитной истории, необходимо:
- показать паспорт ответственному сотруднику компании.
- специалист убеждается, что паспорт не подделан (нет признаков), фото совпадает.
- снимает копию с паспорта и заполняет форму, в которой указано:
- кому дано согласие (наименование юрлица), паспортные данные субъекта (ФИО, номер документа, дата выдачи, год и место рождения) и дата оформления согласия.
- Согласие должно содержать текст: «Даю свое согласие на раскрытие информации, содержащейся в основной части моей кредитной истории».
- Согласие должно содержать также цель получения кредитного отчета, например, «Даю свое согласие на раскрытие основной части моей кредитной истории в целях проверки меня при приеме на работу в ОАО «Паблик». После чего человек ставит подпись (с указанием ФИО рядом с подписью). Согласие действительно (в случае если не заключается кредитный договор) в течение 6-ти месяцев с даты его предоставления.
Законодательством РФ предусмотрена ответственность за получение кредитного отчета без согласия субъекта кредитной истории.
Предоставление кредитных отчетов | Национальный банк Республики Беларусь
В связи с неблагоприятной эпидемиологической ситуацией (распространением коронавируса (COVID 19) рекомендуем получать кредитные отчеты посредством веб-портала Кредитного регистра https://creditregister.by
Как получить кредитный отчет?
Сведения, входящие в состав кредитной истории, предоставляются в виде кредитных отчетов. Предоставление кредитных отчетов осуществляется в соответствии с Инструкцией о порядке представления сведений, входящих в состав кредитной истории, по форме 2501 «Сведения, входящие в состав кредитной истории», утвержденной постановлением Правления Национального банка Республики Беларусь от 22.06.2018 № 291.
Субъект кредитной истории — физическое лицо может получить свой кредитный отчет в виде электронного документа или в виде документа на бумажном носителе.
Кредитный отчет субъекту кредитной истории предоставляется один раз в течение календарного года без уплаты вознаграждения и неограниченное количество раз за вознаграждение. В случае, когда кредитный отчет предоставляется за вознаграждение, до подачи заявления необходимо заключить с Национальным банком договор оказания информационных услуг и представить платежный документ, подтверждающий уплату вознаграждения.
В электронном виде кредитный отчет, извещение об отсутствии кредитной истории предоставляется Национальным банком посредством веб-портала Кредитного регистра https://creditregister.by. Для этого необходимо пройти идентификацию в Межбанковской системе идентификации, предварительно зарегистрировавшись (https://ipersonal.raschet.by/, телефон для справок 141), или в системе дистанционного банковского обслуживания ОАО «Белгазпромбанк».
В виде документа на бумажном носителе кредитный отчет, извещение об отсутствии кредитной истории вручаются лично субъекту кредитной истории (его представителю), обратившимся в Национальный банк по указанным адресам, после оформления заявления установленного образца. Для получения кредитного отчета, извещения об отсутствии кредитной истории субъект кредитной истории обязан предъявить документ, удостоверяющий личность, а его представитель — документ, удостоверяющий личность, и документ, подтверждающий полномочия, оформленный в установленном порядке (доверенность).
Список мест предоставления кредитных отчетов
Наименование структурного подразделения Национального банка Республики Беларусь | Адрес | Телефон |
---|---|---|
Управление «Кредитный регистр» | ул. Толстого, 6, 220007, г. Минск | (8 017) 218 38 88, 218 38 93 |
Главное управление Национального банка по Брестской области | ул.Ленина, 9, 224005, г. Брест | (8 0162) 27 48 09, 27 48 64 |
Главное управление Национального банка по Витебской области | ул. Ленина, 17, 210015, г. Витебск | (8 0212) 29 74 30, 29 74 14 |
Главное управление Национального банка по Могилевской области |
ул.![]() |
(8 0222) 29 93 34, 29 93 61, 29 93 39 |
Главное управление Национального банка по Гомельской области | ул. Советская, 9, 246050, г. Гомель | (80232) 50 91 59, 50 91 51 |
Главное управление Национального банка по Гродненской области | ул. Карбышева, 17, 230023, г. Гродно | (8 0152) 73 78 58, 73 79 02, 73 78 34 |
Пользователям кредитных историй (юридическим лицам, получившим согласие субъекта кредитной истории на предоставление Национальным банком его кредитного отчета) кредитные отчеты предоставляются за вознаграждение на основании заключенного договора на оказание информационных услуг установленной формы.
В соответствии с требованиями статей 5 и 13 Закона Республики Беларусь от 10.11.2008 «О кредитных историях»:
- государственные органы и должностные лица, за исключением судов, уполномоченных правоохранительных органов и иных лиц в случаях, предусмотренных законодательными актами, юридические и физические лица не вправе требовать представления пользователем кредитной истории и субъектом кредитной истории кредитного отчета, полученного ими в Национальном банке;
- по требованию субъекта кредитной истории пользователь кредитной истории обязан предоставить ему возможность ознакомления с содержанием своего кредитного отчета безвозмездно.
В начало раздела
Получить выписку из нбки онлайн
Запросить свою кредитную историю и получить выписку из НБКИ — первое, что нужно сделать заемщику, если он хочет разобраться с причинами банковских отказов или оценить свои шансы на новый кредит. Почему именно в этом бюро? Всего базу данных бюро пополняют около кредиторов. Прежде чем взять выписку из НБКИ, удостоверьтесь, что там ваша кредитная история есть.
Дорогие читатели! Наши статьи рассказывают о типовых способах решения юридических вопросов, но каждый случай носит уникальный характер.
Если вы хотите узнать, как решить именно Вашу проблему — обращайтесь в форму онлайн-консультанта справа или звоните по телефонам, представленным на сайте. Это быстро и бесплатно!
ПОСМОТРИТЕ ВИДЕО ПО ТЕМЕ: 3 подсказки по выписке из ЕГРН и справке БТИПроверить кредитную историю физическому лицу
Вчера ко мне обратилась знакомая — интересовала собственная выписка из БКИ. Дело в том, что три банка отказали ей в ипотечном кредитовании, в последнем посоветовали обратиться за выпиской в НБКИ, при этом не объяснив, что из себя представляет выписка, и почему именно из НБКИ. Поэтому ей я и посвящаю свою публикацию. А сегодня с Вами я — Анатолий Вишневский. Из статьи мы узнаем: что представляет собой выписка из БКИ? Начнем с того, что выписка далее также — КИ представляет собой сформированный документ по кредитной истории субъекта.
Почему из БКИ бюро кредитных историй? Это специализированные организации, которые, собственно, и занимаются сбором с банков, МФО и прочих информации о заемщиках и предоставлением таких сведений по запросу тем же заемщикам или потенциальным кредиторам.
По факту, запросить информацию по субъекту имеет право любая организация, которая хочет проверить исполнительскую дисциплину лица. Банки проверяют кредитную историю потенциальных заемщиков в обязательном порядке. В свою очередь субъект тоже имеет право проверять собственную кредитную историю.
Почему моей знакомой понадобилась конкретно выписка из НБКИ? Это крупнейшее российское бюро. Поэтому, заказав выписку отсюда, велика вероятность, что информация будет получена.
Зачастую КИ заказывается перед подачей заявки в банк, чтобы проверить свои шансы на получение кредита. Также заказ выписки необходим: чтобы проверить отсутствие или наличие ошибок. Зачастую банки не передают информацию о погашении кредита либо делают это не своевременно. Это оформление кредитов по чужим паспортам либо любым обманным путем.
Помимо базы организации НБКИ, в РФ на момент написания статьи работает еще 13 бюро, разной степени масштаба и кредитная история может находиться в нескольких бюро. В целом, основные способы проверки идентичны и регулируются законодательством о кредитных историях.
Человеку, который первый раз заказывает подобную выписку, сама процедура кажется достаточно простой. В лучшем случае, такой субъект кредитной истории еще что-то почитает в интернете о процедуре.
Ну, а если выписка через НБКИ заказывается как минимум во второй раз — помимо затрат на запрос платить придется и за саму выписку. Такой вопрос от знакомой последовал далее — если уж и платить, то, не напрягаясь поездками к нотариусу или на почту. По сравнению с некоторыми другими бюро, Национальное — не позволяет проверить онлайн данные.
Но это не значит, что можно обратиться к другому БКИ взамен Национального. Иначе свою КИ не получить. Поэтому — либо пользуемся стандартными, но достаточно дорогими методами, либо пользуемся другими доступными способами. Они делают запрос в бюро, формируют информацию о субъекте и присылают готовый кредитный отчет на электронный адрес заявителя. Чтобы заказать выписку потребуется только заполнение заявки на сайте. Оплатить услугу можно любым способом, а стоимость будет в 3 раза меньше стандартной проверки и составит р.
Содержание отчета из НБКИ можно условно поделить на несколько разделов: сведения о заемщике; данные об исполнительской дисциплине кредитной истории суммы открытых и закрытых кредитов, сведения о просрочках ; информация об организациях, которые в последнее время интересовались информацией субъекта.
В целом, структура и визуальное представление данных у каждого БКИ свое. Предоставляемая справка направляется на электронную почту заявителя, причем даже при стандартных запросах. Рядовой заявитель даже не представляет, как часто банки ошибаются и не передают данные о своих клиентах. Такие случаи сплошь и рядом. Если после получения КИ из НБКИ, у Вас возникают вопросы вроде: почему кредит все еще висит незакрытым, хотя по факту закрыт и справка соответствующая есть — Вам необходимо оспорить информацию.
Никаких ограничений в этом деле нет: пишите заявление уточните форму и адрес заранее ; прикладываете все справки, квитанции об оплате, прочие подтверждения; отсылаете на адрес БКИ. Обратите внимание! Для подобных разбирательств обращение заполняется только в письменном виде. Если в оспаривании отказали — можно смело обращаться в суд.
Поэтому следует прямиком бежать в ближайшее отделение полиции и подавать заявление о мошенничестве. Итак, выписка из НБКИ для клиента по кредитной истории — это способ проверить свою исполнительную дисциплину, понять причины отказов и спланировать вероятность получения нового кредита. Оставить комментарий Отменить ответ. Ваш адрес email не будет опубликован.
Skip to content Консультации юриста по семейным вопросам Юрист по защите прав потребителей По заключение и расторжение брака По банкротству юр. Консультация юриста по земельным вопросам Консультация юриста по жилищным вопросам Кредитный юрист Юрист по наследственным вопросам Другие сферы. Потребительский кредит Микрозайм на карту Кредитные карты Ипотека — онлайн заявка. Проверка кредитной истории Помощь в получении кредита Заявка на кредит Улучшение кредитной истории Рефинансирование кредита для физических лиц.
Каталог статей Вакансии Кредитный скоринг — дадут ли кредит. Юридическая консультация у кредитного юриста Услуги антиколлекторов Реструктуризация кредитных долгов Банкротство физических лиц. Портал о кредитовании в России Проверка КИ. Каждое слово телеграммы оплачивается клиентом по тарифам.
Средняя телеграмма выйдет стоимостью р. Последние предлагают даже дополнительную услугу — экспресс курьерскую доставку отчета. Конечно же, за дополнительную плату. Некоторые люди ошибочно полагают, что проверить в интернете выписку на сайте НБКИ все-таки можно: нужно зарегистрировать личный кабинет и оплатить идентификацию.
Если заказываете выписку через БКИ24, помимо стандартной информации кредитный отчет содержит расчет кредитного рейтинга, причины отказов банков, вероятность одобрения нового кредита и советы для увеличения таких шансов. Оцените статью: 1 оценок, среднее: 5,00 из 5. Сохрани чтобы не потерять! Оставить комментарий Отменить ответ Ваш адрес email не будет опубликован.
Юридические консультации Консультации юриста по семейным вопросам По заключение и расторжение брака По банкротству юр.
Где бесплатно получить выписку из БКИ (Бюро Кредитных Историй): все доступные способы?
Вчера ко мне обратилась знакомая — интересовала собственная выписка из БКИ. Дело в том, что три банка отказали ей в ипотечном кредитовании, в последнем посоветовали обратиться за выпиской в НБКИ, при этом не объяснив, что из себя представляет выписка, и почему именно из НБКИ. Поэтому ей я и посвящаю свою публикацию. А сегодня с Вами я — Анатолий Вишневский. Из статьи мы узнаем: что представляет собой выписка из БКИ? Начнем с того, что выписка далее также — КИ представляет собой сформированный документ по кредитной истории субъекта. Почему из БКИ бюро кредитных историй?
Кредитная история онлайн. Получить бесплатно. Понять причину отказа Крупнейшее бюро кредитных историй, возглавляет список БКИ России. Мы.
Национальное бюро кредитных историй
Кредитная история — это информация о субъекте кредитной истории заемщике , содержащая сведения о принятых на себя обязательствах по договорам займа кредита и их исполнении. Плохая кредитная история, возможно ли исправить кредитную историю? Вам отказывают в новом кредите? Предоставляемый лимит по кредиту значительно ниже ожидаемого? Крупнейшее бюро кредитных историй, возглавляет список БКИ России. Мы ориентированы на предоставление максимально полного пакета качественных услуг. С этой целью мы привлекаем к сотрудничеству Центральное бюро кредитных историй в Москве или ЦККИ , а также разрабатываем специальные предложения по взаимодействию с различными финансово-кредитными организациями.
Выписка НБКИ
Клиенты банков, которые активно пользуются кредитными продуктами банков и микрофинансовых компаний, знают, что сведения об обслуживании ими задолженности являются их кредитной историей. Хранятся данные в специальных организациях — Бюро кредитных историй. Кредитные организации перед принятием решения о выдаче кредита обязательно проверяют кредитную историю заемщика. При необходимости клиент самостоятельно может сделать выписку из своей КИ, проверить правильность составления отчета, определить вероятность получения нового кредита по кредитному рейтингу. Выписка из БКИ — это отчет, в котором отражено качество обслуживания кредитов заемщиком.
Это бюро работает на рынке услуг с марта г.
Выписка из НБКИ
Эквифакс тщательно подходит к вопросам безопасности персональных данных, выполняет требования законодательства и поддерживает строгие стандарты защиты информации. Эквифакс имеет базу из более чем миллионов кредитных историй по физическим лицам и организациям, пополняемую организациями. Мы первыми из бюро запустили онлайн-сервис проверки кредитной истории, который позволяет быть в курсе своей кредитной истории в удобное время, в удобном месте. Сказали, что плохая кредитная история? Вы допускали просрочки?
Национальное бюро кредитных историй — как получить выписку бесплатно
Прежде чем получить возможность пользоваться сервисом, необходимо зарегистрироваться на сайте агентства и пройти личную идентификацию. Пользователю предлагается на выбор три способа подтверждения своей личности. Первый — обратиться с паспортом в ближайшее отделение Почты России и отправить заверенную телеграмму. Второй — прийти с паспортом в офис агентства лично. При этом кредитную историю можно получить прямо на месте: после того как сотрудник АКИ убедится, что вы — это вы, можно воспользоваться местным компьютером и узнать все о своих заявках, кредитах и пр.
Кредитная история онлайн. Получить бесплатно. Понять причину отказа Крупнейшее бюро кредитных историй, возглавляет список БКИ России. Мы.
Кредитное бюро Эквифакс
Без нее сложно оценить перспективы клиента на получение кредита. Каждая из организаций имеет эксклюзивного поставщика информации. Для кредитного бюро Русский Стандарт это одноименный банк. Для Эквифакса банк Хоум Кредит.
Выписка из БКИ
После получения всех необходимых документов, они могут начинать процесс прописки. Как вернуть, в какие сроки и сколько получить при сдаче билета обратно, рассмотрим в статье. Нет, не предоставляла им заявления, потому что не знала о льготе. Далее указывается цель выдачи характеристики. Разъясните мне её пожалуйста.
Для этого вам не нужно мучать себя ожиданием в бесплатной поликлинике.
В эти минуты начинается Градостроительный совет Великоустюгского района под руководством Губернатора области Олега Кувшинникова. Договор обычно включает сумму сделки с учетом налога, его достаточно выделить по соответствующей ставке, и перечислить в бюджет.
Кредитная история онлайн
Не стоит забывать о том, что при расторжении брака придется делить не только имущество, но и совместные долги.
При осмотре комнат стороны сделки помимо перечисления указывают состояние и количество тех или иных предметов интерьера. Размер алиментов определяется либо в соглашении между супругами, либо судом в твердой денежной сумме, уплачиваемой ежемесячно, исходя из материальной обеспеченности супругов, их семейного положения и прочих заслуживающих внимания факторов.
Пока это только инициатива. В отличие от политических парт й, профессиональных союзов, других общественных организаций или религиозных образований, только государство имеет право выступать от имени всего народа в целом.
Как получить отчет по кредитной истории через Интернет
Льготы Ветеранам труда федерального назначения. Все дальнейшие процедуры по межеванию возможны только при участии каждого из участников долевой собственности (либо при наличии нотариальной доверенности от отсутствующих участников).
Его размер и допустимые варианты оплаты обеспечиваются на законодательном уровне. Отправляется заказное письмо с уведомлением о вручении.
NBA Live Stream 2021: смотрите баскетбол онлайн бесплатно без кабеля
Представленные продукты выбираются нашей редакционной группой независимо, и мы можем получать комиссию за покупки, сделанные по нашим ссылкам; розничный торговец может также получать определенные данные, подлежащие аудиту, для целей бухгалтерского учета.
Сезон НБА 2021 года приближается, и, хотя личное присутствие по-прежнему ограничено из-за Covid, есть несколько способов увидеть игру в прямом эфире из дома.
Расписание регулярного сезона НБА 2021
75-й регулярный сезон НБА снова будет иметь измененное расписание, чтобы обеспечить безопасность игроков и зрителей.В этом году каждая команда сыграет по 72 игры; Перерыв на Матч звезд в марте стал официальной отметкой на полпути, и теперь начинается вторая половина сезона.
Формат плей-офф НБА 2021
Шесть лучших команд каждой конференции автоматически получают место в плей-офф. В этом году НБА также вводит турнир Play-In, который будет проводиться после регулярного сезона и перед первым раундом плей-офф. В мини-турнире будут участвовать команды с седьмым по десятое место по проценту побед в каждой конференции, которые будут играть, чтобы заработать два последних места в плей-офф в своих соответствующих конференциях.
Лос-Анджелес Лейкерс — действующие чемпионы НБА, а Леброн Джеймс и компания. будут стремиться к своему 18-му чемпионскому трофею НБА, который продвинет их впереди Бостон Селтикс по большинству титулов НБА в истории франшизы. Среди других претендентов в этом году — всегда конкурентоспособные «Торонто Рэпторс», «Милуоки Бакс», возглавляемая Яннисом, и «Лос-Анджелес Клипперс».
Несмотря на неполную посещаемость трибун из-за ограничений, связанных с коронавирусом, игры НБА по-прежнему можно смотреть по телевизору и транслировать из дома.Сезон 2021 года будет транслироваться в прямом эфире на каналах ABC, TNT, ESPN и NBA TV.
Как транслировать НБА онлайн бесплатно
Если у вас нет кабеля, лучше всего транслировать НБА онлайн через одну из этих онлайн-сервисов потокового вещания и прямых телетрансляций.
1. Слинг ТВ
У нас есть подписка на Sling TV уже много лет, и это одна из лучших ценностей для прямых трансляций спортивных состязаний и онлайн-развлечений. План Sling Orange за 30 долларов дает вам доступ к ESPN и TNT для баскетбола, а также к таким каналам, как CNN, HGTV, AMC и другим.Если вы хотите еще больше живого баскетбола, вы можете добавить пропуск NBA League Pass за 28,99 долларов в месяц.
Sling прямо сейчас предлагает вам 3-дневную бесплатную пробную версию, чтобы вы могли опробовать эту услугу. Внесите предоплату в течение двух месяцев и получите бесплатное устройство для потоковой передачи TiVo Stream 4K, которое предоставит вам местные каналы, такие как ABC, CBS, FOX и NBC, в дополнение ко всем вашим любимым потоковым приложениям, играм и многому другому.
Смотрите НБА на Sling TV
2. Видго
Vidgo, возможно, не одно из громких имен на рынке прямых трансляций, но они одни из лучших.Их «основной» план подписки за 40 долларов включает 60+ каналов, включая ABC. Поклонники спорта любят Vidgo, так как пакет также включает в себя все каналы ESPN, сеть NFL, FS1 и многое другое. Смотрите до трех устройств одновременно.
Vidgo в настоящее время предлагает 3-дневную бесплатную пробную версию. Проверка кредитоспособности отсутствует, и вы можете отменить подписку в любой момент. Получите бесплатную пробную версию и транслируйте NBA в прямом эфире на ABC с любого устройства.
Смотрите НБА на Vidgo
3. fuboTV
Лучшее место для онлайн-трансляции спортивных состязаний — это fuboTV.Fubo — единственный потоковый сервис, который предлагает телевидение NBA как часть своего стандартного пакета. Fubo также недавно объявила о планах добавить ESPN и ABC в свою линейку каналов (хотя доступ может варьироваться в зависимости от региона). Помимо покрытия NBA, fuboTV предлагает вам почти 100 каналов прямого эфира, а его семейный план стоимостью 64,99 долларов включает FS1, NFL Network, Golf Channel, Pac 12 Network, CBS Sports и многое другое.
Fubo позволяет смотреть контент на телефоне, планшете или телевизоре, а семейная подписка позволяет смотреть прямые телепередачи на трех экранах одновременно.Ежемесячная подписка также включает 250 часов записи облачного цифрового видеорегистратора — отличный вариант, когда вы хотите записать игру, чтобы воспроизвести ее позже.
Fubo предлагает 7-дневную бесплатную пробную версию прямо сейчас. Получите здесь сделку, чтобы испытать услугу на себе. Вы можете отменить в любое время.
Смотрите НБА на fuboTV
4. Hulu + Live TV
Если вам нужны спортивные развлечения и , лучше всего зарегистрироваться в Hulu + Live TV. Всего за 54,99 доллара в месяц вы получаете неограниченную потоковую передачу огромного каталога телешоу, фильмов и оригиналов Hulu (включая The Great, Little Fires Everywhere и The Handmaid’s Tale ), а также доступ к играм NBA на ESPN, TNT и ABC ( на большинстве рынков).
Hulu + Live TV — это, по сути, ваш универсальный магазин контента. Смотрите в потоковом режиме новый фильм или любимое шоу, а затем переключитесь на платформу Live TV, чтобы смотреть игру в режиме реального времени. Ознакомьтесь с подробностями и начните 7-дневную бесплатную пробную версию здесь.
Смотрите НБА на Hulu
ТАКЖЕ УЧИТЫВАЙТЕ: Антенна HDTV
Если вас интересуют только игры, транслируемые по всей стране, или вы ищете самый дешевый вариант из списка, подумайте о покупке HDTV-антенны на Amazon. Он поставляется в элегантном тонком корпусе и обеспечивает дальность действия сигнала до 200 миль.Это означает, что он может бесплатно транслировать NBA на ABC, а также все основные вещательные сети, такие как CBS, NBC, FOX и The CW.
Amazon
Цифровая ТВ-антенна
HD, 28,99 долларов США, на Amazon
Как получить статистику NBA ваших любимых игроков с помощью функции Python | автор: Edoardo Romani
В этой статье будет показан один из способов развертывания функции Python для моделирования такой простой задачи, как поиск статистики любимого баскетболиста за данный сезон НБА.
Как большой поклонник баскетбола НБА, я часто обнаруживал, что ищу в Интернете информацию о производительности конкретного игрока, и задавался вопросом, могу ли я получить удовольствие, пытаясь воспроизвести этот процесс с помощью Python, с идеей просто запустить поиск и получить результаты из командной строки моего ноутбука, не открывая браузер и не выходя в Интернет.
Использование Python для поиска в Интернете может быть невероятно мощным для многих различных типов приложений, и я надеюсь, что этот краткий пример сможет воплотить его полезность в жизнь и вдохновить вас на применение этих концепций в ваших личных проектах.
В случае сообщества баскетбольных аналитиков, BasketballReference.com — это кладезь данных, поскольку он содержит всевозможную релевантную внутриигровую статистику, полезную для многих проектов баскетбольной аналитики. Я буду использовать этот веб-сайт для сбора соответствующих данных.
В частности, для статистики NBA, на сайте есть раздел «Per Game», где можно получить статистику производительности за игру для любой соответствующей категории для всего населения из ~ 500 игроков NBA, принимающих участие в любом данном сезоне.
Цель состоит в том, чтобы скомпилировать и выполнить программу на Python, которая может возвращать полную статистику за игру любого игрока за любой сезон. Сайт записывает статистику по играм с начала 1950-х годов, так что вы можете найти данные за 70 (!) Лет, по которым вы можете искать.
Давайте теперь рассмотрим код функции, необходимый для выполнения этой работы, и разберем его шаг за шагом.
- Импортируйте соответствующие пакеты : в качестве первого шага вам нужно будет импортировать соответствующие пакеты Python и определить переменную url , которая указывает на онлайн-источник данных.Вам также следует импортировать пакет pandas (« import pandas as pd »), так как он вам понадобится позже.
запросов на импорт
из bs4 import BeautifulSoup
import pandas as pd
2. Определите функцию и получите ввод от пользователя
Вы определяете функцию с помощью ключевого слова def и даете ей репрезентативное имя, например как get_NBA_stats; функция не будет принимать никаких параметров, вместо этого пользователь будет определять их с помощью двух команд input , в которых программа запрашивает год и имя игрока, для которого нужно вернуть статистику по игре.
def get_NBA_stats (): year = input («Какой сезон НБА вас интересует ?:»)
player = input («Для какого игрока вы хотите получить статистику ?:»)
3. Очистите и сохраните data
Затем вам нужно получить содержимое соответствующего URL-адреса с помощью метода request.get . Обратите внимание на то, как переменная года используется для направления поиска на веб-страницу, где находится статистика сезонов года . Затем вы можете извлечь его текст с помощью .text, и, наконец, преобразовать его в объект Beatiful Soup.
url = 'https://www.basketball-reference.com/league/NBA_{}_per_game.html'.format(year)r = requests.get (url)
r_html = r.text
soup = BeautifulSoup (r_html, 'html.parser')
Чтобы найти таблицу с набором данных игроков в HTML веб-страницы BasketballReference, вы можете проверить код страницы (это можно сделать, нажав Ctrl + Shift + I в Google Chrome) и увидите, что интересующий вас элемент таблицы имеет класс , равный full_table , который вы можете использовать для хранения содержимого таблицы в переменной table через суп .find_all команда.
Затем вы можете использовать soup.find , чтобы найти элемент на странице с классом , равным table_head , поскольку этот класс хранит имена столбцов нашего набора данных игроков. Вы можете сохранить их в переменной с именем head, , которая затем используется для извлечения и очистки соответствующих имен столбцов для вашего окончательного набора данных, таких как имя каждого игрока, количество очков за игру, отскок за игру и т. Д., Как вы можете видеть ниже.
table = soup.find_all (class _ = "full_table")"" "Извлечение списка имен столбцов" ""
print (column_names_polished) ['Player',
head = soup.find (class _ = "thead")
column_names_raw = [head.text для элемента в заголовке] [0]
column_names_polished = column_names_raw.replace ("\ n", ","). split (",") [2: - 1]
'Pos',
'Age',
'Tm',
'G',
'GS',
'MP',
'FG',
'FGA ',
' FG% ',
' 3P ',
' 3PA ',
' 3P% ',
' 2P ',
' 2PA ',
' 2P% ',
' eFG% ',
' FT ' ,
'FTA',
'FT%',
'ORB',
'DRB',
'TRB',
'AST',
'STL',
'BLK',
'TOV',
'PF ',
' PTS ']
Затем вы можете перебирать весь элемент таблицы , и для каждой строки данных (относящейся к одному игроку и идентифицированной HTML-тегом td ) вы можете извлечь всю статистику игрока, и сохраните их в списке с именем игрока. Все, что вам нужно сделать, как только это будет сделано, — это сохранить всю информацию об игроках в фрейме данных pandas, который принимает ранее определенные имена столбцов и для которого вы можете установить полное имя игрока в качестве индекса.
Примечание: получение всего списка игроков для данного сезона не обязательно для выполнения конкретной задачи, я просто показываю, как это сделать, поскольку обычно лучше всего хранить все потенциально полезные данные (например, если позже вы захотите сравнить производительность одного игрока с его сверстниками, будет полезно иметь полную выборку игроков НБА).
"" "Извлечение полного списка player_data" ""
Players = []для i в диапазоне (len (table)):
player _ = []
для td в таблице [i] .find_all ("td "):
player_.append (td.text)player.append (player_)
df = pd.DataFrame (player, columns = column_names_polished) .set_index (" Player ") # очистить имя игрока от случайных специальных символов
df.index = df.index.str.replace ('*', '')
Nba 2k21 для Android — Скачать APK бесплатно онлайн-загрузчик
NBA 2K21 Free Download PC Game, предварительно установленная по прямой ссылке. NBA 2K21 был выпущен 3 сентября 2020 года. Об игре. NBA 2K21 — последняя игра из всемирно известной и самой продаваемой серии NBA 2K, обеспечивающая лучшие в отрасли спортивные видеоигры. Благодаря значительным улучшениям в лучшей в своем классе графике и игровом процессе
👉 НАЖМИТЕ ЗДЕСЬ, ЧТОБЫ НАЧАТЬ СКАЧАТЬ ◀ ️
NBA 2K21 — это последняя игра всемирно известной и самой продаваемой серии NBA 2K. предоставление лучших в отрасли спортивных видеоигр.Благодаря значительным улучшениям в лучшей в своем классе графике и игровому процессу, сетевым функциям для соревнований и сообщества, а также глубоким разнообразным игровым режимам, NBA 2K21 предлагает уникальное погружение во все аспекты баскетбола и культуры NBA — там, где есть все. Игра.
Как загрузить и установить NBA 2K21
Нажмите кнопку «Загрузить» ниже, и вы будете перенаправлены на UploadHaven.
Подождите 5 секунд и нажмите синюю кнопку «Загрузить сейчас». Теперь позвольте загрузке начаться и дождитесь ее завершения.
По завершении загрузки NBA 2K21 щелкните правой кнопкой мыши файл .zip и выберите «Извлечь в NBA.2K21.zip» (для этого у вас должен быть установлен WinRAR, который можно получить здесь).
Дважды щелкните папку NBA 2K21 и запустите приложение exe.
Развлекайтесь и играйте! Обязательно запускайте игру от имени администратора, и если вы получите какие-либо ошибки с отсутствующими DLL, найдите папку Redist или _CommonRedist и установите все программы в папку.
nba-2k21-free-download-2
Бесплатная загрузка NBA 2K21
Нажмите кнопку загрузки ниже, чтобы начать бесплатную загрузку NBA 2K21 с прямой ссылкой.Это полная версия игры. Не забудьте запустить игру от имени администратора.
NBA 2K21 РАЗМЕР: 89,26 ГБ
ВНИМАНИЕ: эта игра уже предустановлена для вас, то есть вам не нужно ее устанавливать. Если вы получаете какие-либо ошибки с отсутствующими DLL, обязательно найдите папку _Redist или _CommonRedist и установите в нее directx, vcredist и все другие программы. Эти программы нужны вам для запуска игры. Найдите файл «КАК ЗАПУСТИТЬ ИГРУ !!. Txt», чтобы получить дополнительную помощь. Кроме того, не забудьте щелкнуть правой кнопкой мыши по исполняемому файлу и всегда выбирать «Запуск от имени администратора», если у вас возникают проблемы с сохранением игры.Всегда отключайте антивирус перед извлечением игры, чтобы предотвратить удаление файлов с трещинами. Если вам нужна дополнительная помощь, нажмите здесь
Системные требования
ОС: 64-разрядная Windows 7/64-разрядная Windows 10
Процессор: Intel Core i3-530 / AMD FX-4100
Память: 4 ГБ ОЗУ
Графика: nVidia GTS 450; ATI HD 7770
DirectX: версия 11
Память: 110 ГБ свободного места
Звуковая карта: Directx 9.0x
Дополнительные примечания: рекомендуется двуханалоговый геймпад.Первоначальная установка требует одноразового подключения к Интернету для аутентификации Steam; Необходимо установить программное обеспечение (входит в комплект поставки игры), включая DirectX и Visual C ++ Redistributable 2012.
NBA 2K21 — СКАЧАТЬ БЕСПЛАТНО
Здесь вы можете бесплатно скачать NBA 2K21! На этой странице вы найдете информацию о NBA 2K21 и о том, как скачать игру бесплатно. Здесь вы получите прямую ссылку (с другого файлообменника) или загрузку через торрент. Ссылка на бесплатную загрузку находится внизу страницы.
NBA 2K21 — это последняя игра из всемирно известной и самой продаваемой серии игр NBA 2K, предлагающая лучшие в отрасли спортивные видеоигры.
Благодаря значительным улучшениям в лучшей в своем классе графике и игровому процессу, сетевым функциям для соревнований и сообщества, а также глубоким разнообразным игровым режимам, NBA 2K21 предлагает уникальное погружение во все аспекты баскетбола и культуры NBA — где Все есть игра.
NBA 2K19 Скачать бесплатно »STEAMUNLOCKED
NBA 2K19 Free Download PC Игра предустановлена по прямой ссылке.NBA 2K19 была выпущена 10 сентября 2018 г.
Об игре
NBA 2K отмечает 20-летие переосмысления того, чем могут быть спортивные игры: от лучшей в своем классе графики и игрового процесса до новаторских игровых режимов и захватывающего открытого мира «Окрестности» . » NBA 2K19 продолжает раздвигать границы, приближая игры на шаг ближе к реальным азартным играм и культуре баскетбола. Используйте весь баскетбольный потенциал MyPLAYER с новой функцией Takeover. Разблокируйте особые приемы и способности, которых никогда раньше не было на площадке, или активируйте Team Takeover и раскройте всю мощь своего отряда.Вы не захотите пропустить ни одного дня в обновленном районе. Сделайте себе имя на площадке, в Under Armour Cages и во время живых турниров на блоке. Играйте до рассвета с новыми переходами от дня к ночи, прогуляйтесь по спортивно-развлекательному центру Jordan или соберите всю старую команду в захватывающей игре по стритболу 3 на 3.
Как загрузить и установить NBA 2K19
- Нажмите кнопку «Загрузить» ниже, и вы будете перенаправлены на UploadHaven.
- Подождите 5 секунд и нажмите синюю кнопку «Загрузить сейчас».Теперь позвольте загрузке начаться и дождитесь ее завершения.
- После завершения загрузки NBA 2K19 щелкните правой кнопкой мыши файл .zip и выберите «Извлечь в NBA 2K19.zip» (для этого у вас должен быть 7-Zip, который вы можете получить здесь).
- Дважды щелкните папку NBA 2K19 и запустите приложение exe.
- Развлекайтесь и играйте! Обязательно запускайте игру от имени администратора, и если вы получите какие-либо ошибки с отсутствующими DLL, найдите папку Redist или _CommonRedist и установите все программы в папку.
Бесплатная загрузка NBA 2K19
Нажмите кнопку загрузки ниже, чтобы начать бесплатную загрузку NBA 2K19 с прямой ссылкой. Это полная версия игры. Не забудьте запустить игру от имени администратора.
NBA 2K19
Размер: 67,43 ГБ
УВЕДОМЛЕНИЕ : эта игра уже предустановлена для вас, то есть вам не нужно ее устанавливать. Если вы получаете какие-либо ошибки с отсутствующими DLL, обязательно найдите папку _Redist или _CommonRedist и установите в нее directx, vcredist и все другие программы.Эти программы нужны вам для запуска игры. Найдите файл «КАК ЗАПУСТИТЬ ИГРУ !!. Txt», чтобы получить дополнительную помощь. Кроме того, не забудьте щелкнуть правой кнопкой мыши по исполняемому файлу и всегда выбирать «Запуск от имени администратора», если у вас возникают проблемы с сохранением игры. Всегда отключайте антивирус перед извлечением игры, чтобы предотвратить удаление файлов с трещинами. Если вам нужна дополнительная помощь, нажмите здесь
Системные требования
- ОС: 64-разрядная версия Windows 7, 64-разрядная версия Windows 8.1 или 64-разрядная версия Windows 10
- Процессор: Intel® Core ™ i3-530 @ 2.93 ГГц / AMD FX-4100 @ 3,60 ГГц или лучше
- Память: 4 ГБ ОЗУ
- Графика: NVIDIA® GeForce® GT 450 1 ГБ / AMD® Radeon ™ HD 7770 1 ГБ или лучше
- DirectX: Версия 11
- Хранилище: 80 ГБ свободного места
- Звуковая карта: Совместимость с DirectX 9.0x Двойной аналоговый геймпад: Рекомендуется
- Дополнительные примечания: Первоначальная установка требует одноразового подключения к Интернету для аутентификации Steam; Требуемые установки программного обеспечения (включены в игру) включают DirectX и Visual C ++ Redistributable 2012.
Скриншоты
Свободное агентство NBA — люди, способные делать большие шаги
25 октября 2020 г.-
Тим БонтемпсESPN
Где-то между настоящим моментом и драфтом NBA 2020 18 ноября лиге следует отменить месячный мораторий на транзакции, позволяя официально начать ежегодный раунд межсезонья.
Есть много вещей, в которых НБА нужно будет быстро разобраться, от правил верхнего предела заработной платы, действующих в следующем сезоне, до того, где будут проводиться игры.Эти переговоры и беседы с представителями общественного здравоохранения являются непосредственным приоритетом для комиссара Адама Сильвера и исполнительного директора Национальной ассоциации баскетболистов Мишель Робертс. Источники сообщили Адриану Войнаровски и Брайану Виндхорсту из ESPN, что в настоящее время лига стремится к предрождественскому старту и сокращенному графику регулярного чемпионата на сезон 2020-2021 годов.
Но команды также готовятся к непредсказуемой перетасовке состава, которая случается в лиге каждое межсезонье.Прошло более восьми месяцев с момента последней сделки НБА и более 15 месяцев с момента последнего крупного шага межсезонья НБА 2019 года, когда Рассел Уэстбрук был отдан за Криса Пола. Это молчание быстро закончится.
Чтобы увидеть, что будет дальше, и где находится реальная транзакционная сила, вот наш список людей, которые будут принимать самые важные решения в это межсезонье, все их варианты и возможные последствия.
Яннис Антетокунмпо — самое крупное домино в НБА, возможно, в следующие два межсезонья. Дэвид Шерман / NBAE через Getty ImagesВариант 1. Подпишите продление срока действия supermax
Этой осенью нет более важного решения, чем то, решит ли действующий двукратный MVP подписать пятилетнее продление, которое ему будет предложено. в начале свободного агентства Милуоки Бакс. Это закрепит за Баксами титул претендентов на титул в 2020-х годах.
Но это также изменило бы планы команд, надеющихся переманить Янниса Антетокунмпо. Торонто Рэпторс не будет так напуган предложением неограниченного свободного агента Фреду Ванвлиту, которое может повредить их защитный лист.А «Майами Хит» и «Даллас Маверикс» теперь могли бы попытаться пополнить свои списки долгосрочными деньгами, которые раньше были бы неприятны.
Не ожидайте немедленного роста расходов, если Антетокунмпо повторно подписывает контракт — класс 2021 года по-прежнему будет иметь звездную силу, а лига тщательно контролирует финансы пандемии — но его потенциальная доступность будет держать некоторые команды в выжидании. режим, пока он не подпишет свой следующий контракт.
Вариант 2: отложить принятие решения до 2021 года. Свободное агентство
Несколько источников категорически заявили, что Милуоки не будет торговать антетокунмпо, если он согласится на продление.Вместо этого «Бакс» попытаются улучшить свой состав и использовать следующий год, чтобы показать Антетокунмпо, почему он должен остаться.
Ожидание даст Antetokounmpo максимальное плечо над Милуоки в течение следующих 12 месяцев. Если «Бакс» захотят пополнить свой фонд заработной платы, чтобы улучшить команду — о чем сообщил Адриан Войнаровски из ESPN, — Милуоки может стремиться к значительному увеличению объемов торгов (несмотря на дефицит основных активов).
Виктор Оладипо и фронт-офис Пэйсерс: истекающая сделка
Вариант 1: Продление срока
С одним годом до конца контракта Виктор Оладипо выглядит возможным кандидатом на продление.Но найти число, которое имеет смысл для обеих сторон, будет непросто.
2 Связанные
The Indiana Pacers могут предложить продление, начиная с 120% зарплаты Оладипо в сезоне 2020-2021 гг. — сделка, которая начнется примерно с 26 миллионов долларов, что на несколько миллионов в год ниже максимальной суммы, которую он мог подписать. контракт в следующее межсезонье в качестве неограниченно свободного агента. Оладипо, который в январе 2019 года пострадал от разрыва сухожилия четырехглавой мышцы, а затем вернулся в этом году, может захотеть вернуться в следующем сезоне и попытаться доказать, что он по-прежнему тот игрок НБА, которым был в 2018 году.
Вариант 2: Торговые опционы по шкале
Есть причина, по которой имя Оладипо упоминалось в течение нескольких месяцев в качестве возможной торговой цели. Тот факт, что до его сделки остался всего один год, позволяет Pacers потенциально потерять его впустую — чего команда на небольшом рынке всегда предпочла бы избежать. А финансовый ландшафт как лиги в целом, так и «Пэйсерс» в частности (с долгими деньгами, уже выделенными Малкольму Брогдону, Майлсу Тернеру и Домантасу Сабонису) заставляет конкурирующие команды сомневаться, готовы ли они тратить на сохранение Оладипо.
Но любые торговые переговоры здесь будут сложными. Игра Оладипо была неравномерной после возвращения из травмы в этом году, и, учитывая его историю, эти опасения перейдут в новую команду.
Вариант 3: подождать
Даже если это приведет к тому, что Оладипо через год будет ходить, это может быть путь, который имеет наибольший смысл для обеих сторон. Скорее всего, Пэйсерс не променяют Оладипо на дешевый пакет только для того, чтобы переместить его. Ожидание дало бы Индиане шанс увидеть, как это ядро выглядит в полную силу, прежде чем переоценить ситуацию к крайнему сроку обмена в 2021 году, и дало бы Оладипо шанс показать, что он вернулся к тому, кем он был до травмы.
Фред ВанВлит, возможно, лучший неограниченный игрок с шансом переехать. Дэвид Шерман / NBAE через Getty ImagesФред ВанВлит: лучший свободный агент из доступных
Вариант 1: повторная подписка в Торонто
Рэпторс преследуют две основные цели в это межсезонье: переназначить охранника Фреда ВанВлита и сделать это. так что не слишком много съедая в их максимальное пространство на 2021 год.
По словам Бобби Маркса из ESPN, любая сделка с VanVleet в течение четырех лет и 80 миллионов долларов должна удержать Торонто в гонке суперзвезд в следующее межсезонье.Но все становится рискованно, если Raptors начинают соревноваться с более крупными предложениями для одного из своих самых важных игроков.
Вариант 2: Присоединиться к команде восстановления
Два года назад ВанВлит сделал ставку на себя в свободном агентстве, подписав двухлетний контракт на 18 миллионов долларов, который он намного превзошел по стоимости на корте. Теперь он становится свободным агентом как, возможно, лучший неограниченный игрок с шансом переехать. Команды, плывущие в пространстве кепки, такие как Detroit Pistons, New York Knicks и Atlanta Hawks, пропустили плей-офф, поэтому VanVleet мог выбирать между чуть меньше, чтобы играть в выигрышной ситуации, или чуть больше, чтобы попытаться превзойти. вокруг одной из этих команд.
И в Детройте, и в Нью-Йорке он мог быть законодателем культуры посреди перестройки. Атланта планирует сделать большой шаг вперед в следующем сезоне, и наличие второго создателя, стрелка и защитника рядом с Тре Янгом имеет большой смысл.
Трэвис Шленк: GM, у которого есть деньги, чтобы потратить
Вариант 1: Принять меры к долгосрочным добавлениям
Соперники ожидают, что Атланта внесет существенные улучшения в это межсезонье. Если «Ястребы» смогут добавить глубины своему молодому ядру в лице Трэя Янга, Джона Коллинза, Кевина Хуэртера, Де’Андре Хантера, Кэма Реддиша и Клинта Капелы, они смогут войти в неожиданно конкурентоспособный микс плей-офф Восточной конференции.
Потратив 42 миллиона долларов, генеральный менеджер Трэвис Шленк может делать конкурентоспособные долгосрочные предложения, которые большинству команд не удастся превзойти. «Ястребам» не найти проверенной звезды в этом классе, но есть хорошие игроки, в том числе ВанВлит, Дэвис Бертанс, Данило Галлинари и Джо Харрис, которые могут добавить столь необходимые стрельба и защиту.
Вариант 2: посмотрите на краткосрочные улучшения
Альтернативный путь здесь — обойти расширение для Коллинза (ожидая его повторной подписки, пока он не станет ограниченно свободным агентом после этого сезона) и получить лучших игроков сейчас годовые сделки.Это позволило бы «Ястребам» войти в бесплатное агентство в следующем году с полной максимальной зарплатой и попытаться нанять звезду после того, что, как они надеются, будет впечатляющим сезоном.
Может ли только смена тренера решить проблемы Филадельфии? Или 76-е будут делать ходы? Джесси Д. Гаррабрант / NBAE / Getty ImagesКлипперс и 76ers: разочарования под высоким давлением
Вариант 1: рассчитывайте на нового тренера и новые результаты
Лос-Анджелес Клипперс были фаворитами на победу в чемпионате НБА. большую часть сезона до выпадения из плей-офф во втором раунде.«Филадельфия-76» почти никогда не видели на площадке свой предполагаемый стартовый состав вместе.
Это могло заставить обе команды сказать, что единственное изменение, которое им нужно было сделать, было на скамейке запасных — где Тайрон Лью заменил Дока Риверса в Лос-Анджелесе, а Риверс заменил Бретта Брауна в Филадельфии.
Вариант 2: большие шаги
Обе команды испытывают сильное давление, чтобы победить, что делает их кандидатами на внесение изменений в состав до наступления сезона, хотя кардинальные изменения будут сложными.
В Лос-Анджелесе Пол Джордж и Кавай Леонард почти наверняка никуда не денутся. А после обмена на Джорджа прошлым летом у Клипперс не так много активов, которые можно было бы отправить. Они могли бы попытаться объединить в сделках таких игроков, как Патрик Беверли, Лу Уильямс и Ивица Зубак, но сложно обменять опытных игроков на выдающиеся таланты. Они также могут попытаться заключить сделки по подписанию и обмену для Маркуса Морриса и / или Монтрезла Харрелла, но математика здесь непростая.
Смогут ли «Шестерки» найти на Востоке исполнителя для Эла Хорфорда и сбалансировать свой состав? Будут ли они рассматривать возможность ухода от Джоша Ричардсона, у которого остался один год на сделку? Будет ли Бен Симмонс играть разыгрывающего, как он сделал большую часть своей карьеры, или мощного форварда, как он играл во Флоридском пузыре перед тем, как получить травму колена в конце сезона? И если Симмонс на 4-м месте, где Филадельфия найдет разыгрывающего? Ответы на любой из этих вопросов могут привести к изменениям в составе Филадельфии.
Боб Майерс и Шон Маркс: Очарование большей звездной силы
Вариант 1: Победа — сейчас ходы
Как любит говорить мой коллега Брайан Виндхорст: «Победа в чемпионате означает, что вам никогда не придется говорить, что вы Извините.» Мы видели, как команды идут олл-ин на звездной мощи в каждом из последних двух летних сезонов и выигрывают все. «Голден Стэйт Уорриорз» и «Бруклин Нетс» могут оказаться в этом межсезонье с аналогичными возможностями.
Драфт НБА уже готов! Будьте готовы к ЛаМело Боллу, Энтони Эдвардсу и новой волне талантов НБА.
• Выборочный анализ
• Победители и проигравшие
• Выводы экспертов
• Отслеживание сделок и оценки
Для Боба Майерса, президента по баскетболу Golden State, это означало бы попытаться использовать выбор № 2 на драфте этого года и слегка защищенного будущего первоклассника из Миннесоты Тимбервулвз (вместе с раздутым контрактом Эндрю Виггинса). добавить еще одного высокоуровневого игрока в ядро Стивена Карри, Клея Томпсона и Дреймонда Грина. Для Шона Маркса, генерального менеджера Бруклина, это означает, что потенциально может повесить пакет, включающий заманчивых молодых талантов Нетс — Карис ЛеВерт, Спенсера Динвидди и Джарретта Аллена — чтобы добавить третью звезду вместе с Кевином Дюрантом и Кайри Ирвингом.
Вариант 2: строить на долгое время
В НБА всегда есть вероятность того, что какой-нибудь звездный игрок освободится, которого никто не ожидает, но сейчас нет очевидной цели обмена для каждой из команд.
Это особенно верно для Golden State, которая вряд ли будет торговать активом, подобным пику №2 в драфте, на умеренное улучшение. Если сейчас нет очевидной сделки, лучшим вариантом для Воинов может быть просто сделать свой выбор, выждать время и посмотреть, какие возможности появятся.
В Бруклине, с другой стороны, уже есть много хороших дополнений для Дюранта и Ирвинга — формула, которую мы только что видели, работает для чемпиона «Лейкерс». Поскольку Дюрант и Ирвинг подписали контракт на несколько лет, у Нетс есть время посмотреть, что у них есть, прежде чем разменять своих молодых игроков.
Сэм Прести и Дэвид Гриффин: команды пузыря плей-офф
Вариант 1: Принять перестройку
Прошлым летом и Сэм Прести (генеральный менеджер Oklahoma City Thunder) и Дэвид Гриффин (исполнительный вице-президент New Orleans Pelicans) имел франчайзинговых игроков, просивших сделки переехать в Лос-Анджелес.Оба превратили эти ситуации в огромные уловы молодых талантов и призывников.
С понедельника по пятницу ведущий Пабло Торре познакомит вас с самыми интересными историями ESPN, рассказанными ведущими репортерами и инсайдерами планеты. Слушайте
Они могут попытаться сделать то же самое в этом году, хотя отдача не должна быть такой большой. После обмена на Криса Пола и Данило Галлинари, Presti мог попытаться получить дополнительную прибыль, перебросив их в это межсезонье.Раздутый контракт Пола (он должен примерно 85 миллионов долларов за следующие два сезона, включая 44 миллиона долларов за опцион на игрока в 2021–2022 годах) может затруднить его переезд, но также должен снизить запрашиваемую цену OKC. Галлинари — неограниченно свободный агент, но из-за нехватки свободного места в хороших командах он мог бы стать кандидатом на заключение сделки.
Гриффин должен принять решение о Джру Холидей. У Холидея, одного из лучших защитников лиги, остался один год на сделку, и в межсезонье, когда не хватает звездной силы, он мог бы получить хорошую отдачу для Пеликанов, позволяя им полностью посвятить себя строительству. вокруг Зайона Уильямсона и Брэндона Инграма.
Вариант 2: Сохранение разногласий в плей-офф
Если Пол и Холидей останутся на месте, обе команды будут надеяться снова остаться в погоне за плей-офф. У Оклахома-Сити могут возникнуть трудности с этим, если команда не удержит Галлинари, но, учитывая отсутствие явных поклонников для него в это межсезонье, «Гром», возможно, сможет повторно подписать его и попытаться перевернуть его.
Между тем, Новый Орлеан был фаворитом на восьмой посев до того, как дела пошли в спину в пузыре — и «Пеликанс» будут уверены, что смогут выйти в плей-офф в следующем сезоне, если Уильямсон будет здоров, а Холидей все еще останется в игре. состав.
AP Photo / Mark J. TerrillВариант 1. Долгосрочные обязательства
После объединения с Леброном Джеймсом, чтобы выиграть чемпионат в своем первом сезоне в Лос-Анджелесе, трудно представить, что Дэвис куда-то пойдет, когда станет неограниченно свободный агент этой осенью. Если предположить, что он снова подпишется на «Лейкерс», Дэвису придется сделать выбор: подписать краткосрочное соглашение — на один или два сезона — или полный четырех- или пятилетний максимальный контракт.
Если Дэвис выберет долгосрочный путь, «Лейкерс» будет легче планировать его обязательства по зарплате, поскольку они надеются привлечь больше звезд в будущем и пополнить состав в следующем сезоне.
Вариант 2: Выбирайте краткосрочный путь
Соглашение с более короткой командой сдвигает динамику власти в сторону Дэвиса. Если он подпишет двухлетний контракт, это позволит ему подписать максимальный контракт за большую часть денег — 35% от потолка заработной платы — в 2022 году. Годовой контракт позволит ему согласоваться с Джеймсом, который может также стать свободным агентом после следующего сезона.
Использование Pandas и Python для исследования вашего набора данных — Настоящий Python
У вас есть большой набор данных, полный интересных идей, но вы не знаете, с чего начать его изучение? Ваш начальник просил вас получить из него статистику, но ее не так-то просто извлечь? Именно в этих случаях вам могут помочь Pandas и Python! С помощью этих инструментов вы сможете разделить большой набор данных на управляемые части и извлечь из этой информации понимание.
Из этого руководства вы узнаете, как:
- Вычислить метрик для ваших данных
- Выполнение базовых запросов и агрегатов
- Обнаружение и обработка неверных данных, несоответствий и отсутствующих значений
- Визуализируйте свои данные с помощью графиков
Вы также узнаете о различиях между основными структурами данных, которые используют Pandas и Python. Чтобы продолжить, вы можете получить весь пример кода из этого руководства по ссылке ниже:
Настройка среды
Есть несколько вещей, которые вам понадобятся для начала работы с этим руководством.Во-первых, знакомство со встроенными структурами данных Python, особенно со списками и словарями. Для получения дополнительной информации ознакомьтесь со списками и кортежами в Python и словарями в Python.
Второе, что вам понадобится, это рабочая среда Python. Вы можете следить за ним в любом терминале, на котором установлен Python 3. Если вы хотите получить более качественный результат, особенно для большого набора данных NBA, с которым вы будете работать, вы можете запустить примеры в записной книжке Jupyter.
Последнее, что вам понадобится, это библиотека Pandas Python, которую вы можете установить с помощью pip:
$ python -m pip install pandas
Вы также можете использовать менеджер пакетов Conda:
Если вы используете дистрибутив Anaconda, то все готово! Anaconda уже поставляется с установленной библиотекой Pandas Python.
Примечание: Вы слышали, что в мире Python существует несколько менеджеров пакетов , и не знаете, какой из них выбрать? pip
и conda
— отличный выбор, и каждый из них имеет свои преимущества.
Если вы собираетесь использовать Python в основном для работы с данными, то conda
, возможно, будет лучшим выбором. В экосистеме conda
есть две основные альтернативы:
- Если вы хотите быстро настроить и запустить стабильную среду обработки данных и не возражаете загрузить 500 МБ данных, тогда ознакомьтесь с дистрибутивом Anaconda.
- Если вы предпочитаете более минималистичную настройку, ознакомьтесь с разделом по установке Miniconda в разделе Настройка Python для машинного обучения в Windows.
Примеры в этом руководстве были протестированы с Python 3.7 и Pandas 0.25.0, но они также должны работать в более старых версиях. Вы можете получить все примеры кода, которые вы увидите в этом руководстве, в записной книжке Jupyter, щелкнув ссылку ниже:
Приступим!
Использование библиотеки Python Pandas
Теперь, когда вы установили Pandas, пора взглянуть на набор данных.В этом руководстве вы проанализируете результаты NBA, предоставленные FiveThirtyEight, в файле CSV размером 17 МБ. Создайте скрипт download_nba_all_elo.py
для загрузки данных:
запросов на импорт
download_url = "https://raw.githubusercontent.com/fivethirtyeight/data/master/nba-elo/nbaallelo.csv"
target_csv_path = "nba_all_elo.csv"
response = requests.get (download_url)
response.raise_for_status () # Проверяем, что запрос был успешным
с open (target_csv_path, "wb") как f:
f.write (ответ.содержание)
print ("Загрузка готова.")
Когда вы выполняете сценарий, он сохранит файл nba_all_elo.csv
в вашем текущем рабочем каталоге.
Примечание: Вы также можете использовать свой веб-браузер для загрузки файла CSV.
Однако наличие сценария загрузки дает несколько преимуществ:
- Вы можете сказать, где вы взяли свои данные.
- Вы можете повторить загрузку в любое время! Это особенно удобно, если данные часто обновляются.
- Вам не нужно предоставлять совместный доступ к CSV-файлу размером 17 МБ с коллегами. Обычно достаточно поделиться скриптом загрузки.
Теперь вы можете использовать библиотеку Pandas Python для просмотра своих данных:
>>> >>> импортировать панд как pd
>>> nba = pd.read_csv ("nba_all_elo.csv")
>>> тип (nba)
<класс 'pandas.core.frame.DataFrame'>
Здесь вы следуете соглашению об импорте Pandas в Python с псевдонимом pd
.Затем вы используете .read_csv ()
для чтения в вашем наборе данных и сохраняете его как объект DataFrame
в переменной nba
.
Примечание: Ваши данные не в формате CSV? Не волнуйтесь! Библиотека Pandas Python предоставляет несколько похожих функций, таких как read_json ()
, read_html ()
и read_sql_table ()
. Чтобы узнать, как работать с этими форматами файлов, ознакомьтесь с разделом «Чтение и запись файлов с помощью Pandas» или обратитесь к документации.
Вы можете увидеть, сколько данных nba
содержит:
>>> len (нба)
126314
>>> нба.форма
(126314, 23)
Вы используете встроенную функцию Python len ()
для определения количества строк. Вы также можете использовать атрибут .shape
фрейма данных
, чтобы увидеть его размерность . Результатом является кортеж, содержащий количество строк и столбцов.
Теперь вы знаете, что в вашем наборе данных 126 314 строк и 23 столбца. Но как вы можете быть уверены, что набор данных действительно содержит статистику баскетбола? Вы можете взглянуть на первые пять рядов с .голова ()
:
Если вы следите за записной книжкой Jupyter, вы увидите следующий результат:
Если ваш экран не достаточно большой, в вашем выводе, вероятно, не будут отображаться все 23 столбца. Где-то посередине вы увидите столбец из эллипсов ( ...
), указывающий на недостающие данные. Если вы работаете в терминале, это, вероятно, удобнее для чтения, чем перенос длинных строк. Однако записные книжки Jupyter позволяют прокручивать страницы. Вы можете настроить Pandas для отображения всех 23 столбцов следующим образом:
>>> pd.set_option ("display.max.columns", Нет)
Хотя видеть все столбцы удобно, шесть десятичных знаков, вероятно, не понадобятся! Измените его на два:
>>> >>> pd.set_option ("display.precision", 2)
Чтобы убедиться, что вы успешно изменили параметры, вы можете снова выполнить .head ()
или вместо этого отобразить последние пять строк с помощью .tail ()
:
Теперь вы должны увидеть все столбцы, а ваши данные должны содержать два десятичных знака:
Вы можете открыть для себя другие возможности .head ()
и .tail ()
с небольшим упражнением. Можете ли вы распечатать последние три строки вашего DataFrame
? Разверните блок кода ниже, чтобы увидеть решение:
Вот как напечатать последние три строки nba
:
Ваш результат должен выглядеть примерно так:
Вы можете увидеть последние три строки вашего набора данных с параметрами, которые вы установили выше.
Подобно стандартной библиотеке Python, функции в Pandas также имеют несколько дополнительных параметров.Всякий раз, когда вы сталкиваетесь с примером, который выглядит актуальным, но немного отличается от вашего варианта использования, просмотрите официальную документацию. Велика вероятность, что вы найдете решение, настроив некоторые дополнительные параметры!
Знакомство с вашими данными
Вы импортировали файл CSV с библиотекой Pandas Python и впервые ознакомились с содержимым своего набора данных. Пока вы видели только размер вашего набора данных и его первые и последние несколько строк. Далее вы узнаете, как анализировать данные более систематически.
Отображение типов данных
Первый шаг в изучении ваших данных — это выявление различных типов данных, которые они содержат. Хотя вы можете поместить что угодно в список, столбцы DataFrame
содержат значения определенного типа данных. Когда вы сравните структуры данных Pandas и Python, вы увидите, что такое поведение делает Pandas намного быстрее!
Вы можете отобразить все столбцы и их типы данных с помощью .info ()
:
Это даст следующий результат:
Вы увидите список всех столбцов в наборе данных и типы данных, которые содержит каждый столбец.Здесь вы можете увидеть типы данных int64
, float64
и объект
. Pandas использует библиотеку NumPy для работы с этими типами. Позже вы познакомитесь с более сложным категориальным типом данных
, который библиотека Pandas Python реализует сама.
Объект Тип данных
— особый. Согласно Pandas Cookbook , тип данных объекта
является «универсальным для столбцов, которые Pandas не распознает как какой-либо другой конкретный тип.На практике это часто означает, что все значения в столбце являются строками.
Хотя вы можете хранить произвольные объекты Python в типе данных object
, вы должны знать о недостатках этого. Странные значения в столбце объекта
могут нанести вред производительности Pandas и его совместимости с другими библиотеками. Для получения дополнительной информации ознакомьтесь с официальным руководством по началу работы.
Отображение основной статистики
Теперь, когда вы увидели, какие типы данных содержатся в вашем наборе данных, пора получить обзор значений, содержащихся в каждом столбце.Вы можете сделать это с помощью .describe ()
:
Эта функция показывает базовую описательную статистику для всех числовых столбцов:
.describe ()
по умолчанию анализирует только числовые столбцы, но вы можете предоставить другие типы данных, если используете параметр include
:
>>> импортировать numpy как np
>>> nba.describe (include = np.object)
.describe ()
не будет пытаться вычислить среднее значение или стандартное отклонение для столбцов объекта
, поскольку они в основном содержат текстовые строки.Тем не менее, он все равно будет отображать некоторую описательную статистику:
Взгляните на столбцы team_id
и fran_id
. Ваш набор данных содержит 104 разных идентификатора команды, но только 53 разных идентификатора франшизы. Кроме того, наиболее частый идентификатор команды — BOS
, а наиболее частый идентификатор франшизы — Lakers
. Как такое возможно? Чтобы ответить на этот вопрос, вам потребуется еще немного изучить свой набор данных.
Изучение набора данных
Исследовательский анализ данных может помочь вам ответить на вопросы о вашем наборе данных.Например, вы можете проверить, как часто в столбце встречаются определенные значения:
>>> >>> nba ["team_id"]. Value_counts ()
BOS 5997
NYK 5769
LAL 5078
...
SDS 11
>>> nba ["fran_id"]. value_counts ()
Имя: team_id, длина: 104, dtype: int64
Лейкерс 6024
Селтикс 5997
Никс 5769
...
Хаски 60
Имя: fran_id, dtype: int64
Похоже, что команда под названием «Лейкерс»
сыграла 6024 игры, но только 5078 из них сыграли «Лос-Анджелес Лейкерс».Узнайте, кто еще из команды "Лейкерс"
:
>>> nba.loc [nba ["fran_id"] == "Лейкерс", "team_id"]. Value_counts ()
LAL 5078
MNL 946
Имя: team_id, dtype: int64
Действительно, Миннеаполис Лейкерс ( "MNL"
) сыграли 946 игр. Вы даже можете узнать, когда они играли в эти игры:
>>> nba.loc [nba ["team_id"] == "MNL", "date_game"]. Min ()
'01.01.1949'
>>> nba.loc [nba ["team_id"] == "MNL", "date_game"].Максимум()
'09.04.1959'
>>> nba.loc [nba ["team_id"] == "MNL", "date_game"]. agg (("min", "max"))
мин. 01.01.1949
не более 09.04.1959
Имя: date_game, dtype: object
Похоже, «Миннеаполис Лейкерс» играли с 1949 по 1959 год. Это объясняет, почему вы могли не узнать эту команду!
Вы также узнали, почему команда Boston Celtics "BOS"
сыграла больше всего игр в наборе данных. Давайте также немного проанализируем их историю. Узнайте, сколько очков команда Boston Celtics набрала во всех матчах, содержащихся в этом наборе данных.Разверните блок кода ниже для решения:
Подобно агрегатным функциям .min ()
и .max ()
, вы также можете использовать .sum ()
:
>>> nba.loc [nba ["team_id"] == "BOS", "pts"]. Sum ()
626484
Бостон Селтикс набрал 626 484 очка.
Вы уже познакомились с возможностями Pandas DataFrame
. В следующих разделах вы подробно остановитесь на только что использованных методах, но сначала вы увеличите масштаб и узнаете, как работает эта мощная структура данных.
Знакомство со структурами данных Pandas
Хотя DataFrame
предоставляет функции, которые могут показаться довольно интуитивно понятными, лежащие в основе концепции немного сложнее понять. По этой причине вы отложите обширный DataFrame NBA и создадите несколько небольших объектов Pandas с нуля.
Объекты серии
Самая основная структура данных Python - это список, который также является хорошей отправной точкой для знакомства с пандами.Серия
объектов. Создайте новый объект Series
на основе списка:
>>> доходы = pd.Series ([5555, 7000, 1980])
>>> доходы
0 5555
1 7000
2 1980
dtype: int64
Вы использовали список [5555, 7000, 1980]
для создания объекта серии
с именем доходов
. Объект Series
объединяет два компонента:
- Последовательность из значений
- Последовательность из идентификаторов , которая является индексом
Вы можете получить доступ к этим компонентам с помощью .значения
и .index
соответственно:
>>> доходы.значения
массив ([5555, 7000, 1980])
>>> revenue.index
RangeIndex (начало = 0, стоп = 3, шаг = 1)
revenue.values
возвращает значения из серии
, тогда как revenue.index
возвращает позиционный индекс.
Примечание: Если вы знакомы с NumPy, вам может быть интересно отметить, что значения объекта Series
на самом деле являются n-мерными массивами:
>>> тип (выручка.значения)
<класс 'numpy.ndarray'>
Если вы не знакомы с NumPy, не о чем беспокоиться! Вы можете изучить все тонкости своего набора данных только с помощью библиотеки Python Pandas. Однако, если вам интересно, что Pandas делает за кулисами, посмотрите Look Ma, No For-Loops: Array Programming With NumPy.
В то время как Pandas основывается на NumPy, существенная разница заключается в их индексировании . Как и массив NumPy, Pandas Series
также имеет неявно определенный целочисленный индекс.Этот неявный индекс указывает позицию элемента в Series
.
Однако Series
также может иметь произвольный тип индекса. Вы можете рассматривать этот явный индекс как метки для определенной строки:
>>> city_revenue = pd.Series (
... [4200, 8000, 6500],
... index = ["Амстердам", "Торонто", "Токио"]
...)
>>> городские_входы
Амстердам 4200
Торонто 8000
Токио 6500
dtype: int64
Здесь индекс - это список названий городов, представленных строками.Возможно, вы заметили, что словари Python также используют строковые индексы, и это удобная аналогия, о которой следует помнить! Вы можете использовать приведенные выше блоки кода, чтобы различать два типа Series
:
-
доходов
: ЭтотSeries
ведет себя как список Python, потому что он имеет только позиционный индекс. -
city_revenue
: ЭтотSeries
действует как словарь Python, поскольку имеет как позиционный индекс, так и индекс метки.
Вот как создать Series
с индексом метки из словаря Python:
>>> city_employee_count = pd.Series ({"Амстердам": 5, "Токио": 8})
>>> city_employee_count
Амстердам 5
Токио 8
dtype: int64
Ключи словаря становятся индексом, а значения словаря - значениями серии
.
Как и словари, Series
также поддерживает .keys ()
и в ключевом слове
:
>>> city_employee_count.keys ()
Индекс (['Амстердам', 'Токио'], dtype = 'объект')
>>> "Токио" в city_employee_count
Правда
>>> "Нью-Йорк" в city_employee_count
Ложь
Вы можете использовать эти методы, чтобы быстро ответить на вопросы о вашем наборе данных.
Общие сведения об объектах DataFrame
Хотя Series
представляет собой довольно мощную структуру данных, у нее есть свои ограничения.Например, вы можете хранить только один атрибут для каждого ключа. Как вы видели на примере набора данных nba
, который включает 23 столбца, библиотека Pandas Python может предложить больше с помощью DataFrame
. Эта структура данных представляет собой последовательность объектов Series
, которые имеют один и тот же индекс.
Если вы следовали примеру Series
, то у вас уже должно быть два объекта Series
с городами в качестве ключей:
-
city_revenue
-
city_employee_count
Вы можете объединить эти объекты в DataFrame
, предоставив словарь в конструкторе.Ключи словаря станут именами столбцов, а значения должны содержать объекты Series
:
>>> city_data = pd.DataFrame ({
... "доход": city_revenue,
... "employee_count": city_employee_count
...})
>>> city_data
доход employee_count
Амстердам 4200 5,0
Токио 6500 8,0
Торонто 8000 NaN
Обратите внимание, как Pandas заменил отсутствующее значение employee_count
для Торонто на NaN
.
Новый индекс DataFrame
представляет собой объединение двух индексов Series
:
>>> city_data.index
Index (['Амстердам', 'Токио', 'Торонто'], dtype = 'object')
Как и Series
, DataFrame
также хранит свои значения в массиве NumPy:
>>> city_data.values
массив ([[4.2e + 03, 5.0e + 00],
[6.5e + 03, 8.0e + 00],
[8.0e + 03, нан]])
Вы также можете ссылаться на 2 измерения DataFrame
как на осей :
>>> city_data.топоры
[Индекс (['Амстердам', 'Токио', 'Торонто'], dtype = 'объект'),
Индекс (['доход', 'employee_count'], dtype = 'object')]
>>> city_data.axes [0]
Index (['Амстердам', 'Токио', 'Торонто'], dtype = 'object')
>>> city_data.axes [1]
Индекс (['доход', 'employee_count'], dtype = 'object')
Ось, помеченная цифрой 0, представляет собой индекс строки , а ось, отмеченная цифрой 1, представляет собой индекс столбца . Эту терминологию важно знать, поскольку вы встретите несколько методов DataFrame
, которые принимают параметр оси
.
DataFrame
также является структурой данных, подобной словарю, поэтому он также поддерживает .keys ()
и в ключевом слове
. Однако для DataFrame
они относятся не к индексу, а к столбцам:
>>> city_data.keys ()
Индекс (['доход', 'employee_count'], dtype = 'object')
>>> "Амстердам" в city_data
Ложь
>>> "доход" в city_data
Правда
Вы можете увидеть эти концепции в действии с большим набором данных NBA.Содержит ли он столбец под названием «баллов»
или он назывался «баллов»
? Чтобы ответить на этот вопрос, отобразите индекс и оси набора данных nba
, затем разверните блок кода ниже для решения:
Поскольку вы не указали столбец индекса при чтении файла CSV, Pandas назначил RangeIndex
для DataFrame
:
>>> nba.index
RangeIndex (начало = 0, стоп = 126314, шаг = 1)
nba
, как и все объекты DataFrame
, имеет две оси:
>>> nba.топоры
[RangeIndex (start = 0, stop = 126314, step = 1),
Индекс (['gameorder', 'game_id', 'lg_id', '_iscopy', 'year_id', 'date_game',
'Seasongame', 'is_playoffs', 'team_id', 'fran_id', 'pts', 'elo_i',
'elo_n', 'win_equiv', 'opp_id', 'opp_fran', 'opp_pts', 'opp_elo_i',
'opp_elo_n', 'game_location', 'game_result', 'прогноз', 'примечания'],
dtype = 'объект')]
Вы можете проверить наличие столбца с помощью .keys ()
:
>>> "очков" в нба.ключи ()
Ложь
>>> "pts" в nba.keys ()
Правда
Столбец называется «баллов»
, а не «баллов»
.
При использовании этих методов для ответа на вопросы о своем наборе данных обязательно помните, работаете ли вы с Series
или DataFrame
, чтобы ваша интерпретация была точной.
Доступ к элементам серии
В приведенном выше разделе вы создали Pandas Series
на основе списка Python и сравнили две структуры данных.Вы видели, как объект Series
похож на списки и словари в нескольких отношениях. Еще одно сходство заключается в том, что вы также можете использовать оператор индексации ( []
) для Series
.
Вы также узнаете, как использовать два специфичных для Pandas метода доступа :
-
.loc
-
.iloc
Вы увидите, что эти методы доступа к данным могут быть намного более удобочитаемыми, чем оператор индексации.
Использование оператора индексирования
Напомним, что серии
имеет два индекса:
- Позиционный или неявный индекс , всегда равный
RangeIndex
- Метка или явный индекс , который может содержать любые хешируемые объекты
Затем еще раз посетите city_revenue
объект:
>>> городские_входы
Амстердам 4200
Торонто 8000
Токио 6500
dtype: int64
Вы можете легко получить доступ к значениям в Series
как с меткой, так и с позиционными индексами:
>>> city_revenue ["Торонто"]
8000
>>> city_revenue [1]
8000
Вы также можете использовать отрицательные индексы и срезы, как и для списка:
>>> >>> город_роги [-1]
6500
>>> city_revenue [1:]
Торонто 8000
Токио 6500
dtype: int64
>>> city_revenue ["Торонто":]
Торонто 8000
Токио 6500
dtype: int64
Если вы хотите узнать больше о возможностях оператора индексации, ознакомьтесь со списками и кортежами в Python.
Использование
.loc
и .iloc
Оператор индексации ( []
) удобен, но есть нюанс. Что, если на этикетках тоже есть числа? Допустим, вам нужно работать с объектом Series
следующим образом:
>>> colors = pd.Series (
... ["красный", "фиолетовый", "синий", "зеленый", "желтый"],
... index = [1, 2, 3, 5, 8]
...)
>>> цвета
1 красный
2 пурпурный
3 синих
5 зеленых
8 желтый
dtype: объект
Что вернет цветов [1]
? Для позиционного индекса цветов [1]
- это «фиолетовый»
.Однако, если вы идете по индексу ярлыка, то цветов [1]
относится к «красным»
.
Хорошая новость в том, что вам не нужно в этом разбираться! Вместо этого, чтобы избежать путаницы, библиотека Pandas Python предоставляет два метода доступа к данным :
-
.loc
относится к метке с индексом . -
.iloc
относится к позиционному индексу .
Эти методы доступа к данным более читабельны:
>>> >>> цвета.loc [1]
'красный'
>>> colors.iloc [1]
'фиолетовый'
colors.loc [1]
вернул «красный»
, элемент с меткой 1
. colors.iloc [1]
вернул «фиолетовый»
, элемент с индексом 1
.
На следующем рисунке показано, к каким элементам .loc
и .iloc
относятся:
Опять же, .loc
указывает на индекс метки в правой части изображения. Между тем, .iloc
указывает на позиционный индекс в левой части изображения.
Проще помнить о различии между .loc
и .iloc
, чем вычислять, что вернет оператор индексации. Даже если вы знакомы со всеми причудами оператора индексирования, может быть опасно предполагать, что каждый, кто читает ваш код, усвоил и эти правила!
Примечание: Помимо того, что для Series
запутывает числовые метки, оператор индексации Python имеет некоторые недостатки производительности .Совершенно нормально использовать его в интерактивных сеансах для специального анализа, но для производственного кода предпочтительнее использовать методы доступа к данным .loc
и .iloc
. Для получения дополнительных сведений ознакомьтесь с разделом Руководства пользователя Pandas по индексации и выбору данных.
.loc
и .iloc
также поддерживают функции, которые можно ожидать от операторов индексации, например нарезку. Однако эти методы доступа к данным имеют важное отличие. В то время как .iloc
исключает закрывающий элемент, .loc
включает его. Взгляните на этот блок кода:
>>> # Возвращаем элементы с неявным индексом: 1, 2
>>> colors.iloc [1: 3]
2 пурпурный
3 синих
dtype: объект
Если вы сравните этот код с изображением выше, то увидите, что colors.iloc [1: 3]
возвращает элементы с позиционными индексами из 1
и 2
. Закрывающий элемент «зеленый»
с позиционным индексом 3
исключается.
С другой стороны, .loc
включает закрывающий элемент:
>>> # Возвращаем элементы с явным индексом от 3 до 8
>>> colors.loc [3: 8]
3 синих
5 зеленых
8 желтый
dtype: объект
В этом блоке кода говорится, что нужно возвращать все элементы с индексом метки между 3
и 8
. Здесь закрывающий элемент «желтый»
имеет индекс метки 8
и включен в вывод.
Вы также можете передать отрицательный позиционный индекс в .iloc
:
>>> colors.iloc [-2]
'зеленый'
Вы начинаете с конца Series
и возвращаете второй элемент.
Примечание: Раньше существовал индексатор .ix
, который пытался угадать, следует ли ему применять позиционную или меточную индексацию в зависимости от типа данных индекса. Поскольку это вызвало большую путаницу, оно устарело с версии 0 Pandas.20.0.
Настоятельно рекомендуется не использовать для индексации .ix
. Вместо этого всегда используйте .loc
для индексации меток и .iloc
для позиционного индексирования. Для получения дополнительных сведений ознакомьтесь с Руководством пользователя Pandas.
Вы можете использовать приведенные выше блоки кода, чтобы различать два поведения Series
:
- Вы можете использовать
.iloc
наSeries
аналогично использованию[]
в списке . - Вы можете использовать
.loc
наSeries
аналогично использованию[]
в словаре .
Обязательно помните об этих различиях при доступе к элементам объектов Series
.
Доступ к элементам DataFrame
Поскольку DataFrame
состоит из объектов Series
, вы можете использовать те же инструменты для доступа к его элементам. Ключевым отличием является дополнительное измерение фрейма DataFrame
.Вы будете использовать оператор индексирования для столбцов и методы доступа .loc
и .iloc
для строк.
Использование оператора индексирования
Если вы думаете о DataFrame
как о словаре, значения которого равны Series
, тогда имеет смысл получить доступ к его столбцам с помощью оператора индексации:
>>> city_data ["доход"]
Амстердам 4200
Токио 6500
Торонто 8000
Имя: выручка, dtype: int64
>>> тип (city_data ["доход"])
панды.core.series.Series
Здесь вы используете оператор индексирования, чтобы выбрать столбец с надписью «доход»
.
Если имя столбца является строкой, вы также можете использовать доступ в стиле атрибутов с точечной нотацией:
>>> >>> city_data.revenue
Амстердам 4200
Токио 6500
Торонто 8000
Имя: выручка, dtype: int64
city_data ["доход"]
и city_data.revenue
возвращают одинаковый результат.
Есть одна ситуация, когда доступ к элементам DataFrame
с точечной нотацией может не работать или может привести к неожиданностям. Это когда имя столбца совпадает с атрибутом DataFrame
или именем метода:
>>> toys = pd.DataFrame ([
... {"name": "мяч", "shape": "сфера"},
... {"name": "Кубик Рубика", "shape": "cube"}
...])
>>> игрушки ["форма"]
0 сфера
1 кубик
Имя: форма, dtype: объект
>>> игрушки.форма
(2, 2)
Операция индексации toys ["shape"]
возвращает правильные данные, но операция toys.shape
в стиле атрибута по-прежнему возвращает форму DataFrame
. Вы должны использовать доступ в стиле атрибутов только в интерактивных сеансах или для операций чтения. Вы не должны использовать его для производственного кода или для управления данными (например, для определения новых столбцов).
Использование
.loc
и .iloc
Подобно Series
, DataFrame
также предоставляет .loc
и .iloc
методы доступа к данным . Помните, что .loc
использует метку, а .iloc
позиционный индекс:
>>> city_data.loc ["Амстердам"]
выручка 4200,0
employee_count 5.0
Имя: Амстердам, dtype: float64
>>> city_data.loc ["Токио": "Торонто"]
доход employee_count
Токио 6500 8,0
Торонто 8000 NaN
>>> city_data.iloc [1]
выручка 6500,0
employee_count 8.0
Имя: Токио, dtype: float64
Каждая строка кода выбирает отдельную строку из city_data
:
-
city_data.loc ["Амстердам"]
выбирает строку с индексом метки"Амстердам"
. -
city_data.loc [«Токио»: «Торонто»]
выбирает строки с индексами меток от«Токио»
до«Торонто»
. Помните, что.loc
включительно. -
city_data.iloc [1]
выбирает строку с позиционным индексом1
, который равен«Токио»
.
Хорошо, вы использовали .loc
и .iloc
для небольших структур данных. А теперь пора заняться чем-то большим! Используйте метод доступа к данным, чтобы отобразить предпоследнюю строку набора данных nba
. Затем разверните блок кода ниже, чтобы увидеть решение:
Предпоследняя строка - это строка с позиционным индексом , равным -2
.Вы можете отобразить его с помощью .iloc
:
>>> nba.iloc [-2]
gameorder 63157
game_id 201506170CLE
lg_id НБА
_iscopy 0
year_id 2015
date_game 16.06.2015
морская игра 102
is_playoffs 1
team_id CLE
fran_id Cavaliers
баллы 97
elo_i 1700,74
elo_n 1692.09
Кирилл 59.2902
opp_id GSW
opp_fran Воины
opp_pts 105
opp_elo_i 1813.63
opp_elo_n 1822.29
game_location H
game_result L
прогноз 0.48145
отмечает NaN
Имя: 126312, dtype: object
Вы увидите результат как объект Series
.
Для DataFrame
методы доступа к данным .loc
и .iloc
также принимают второй параметр.В то время как первый параметр выбирает строки на основе индексов, второй параметр выбирает столбцы. Вы можете использовать эти параметры вместе, чтобы выбрать подмножество строк и столбцов из вашего DataFrame
:
>>> city_data.loc ["Амстердам": "Токио", "доход"]
Амстердам 4200
Токио 6500
Имя: выручка, dtype: int64
Обратите внимание, что вы разделяете параметры запятой (,
). Первый параметр, «Амстердам»: «Токио»,
указывает выбрать все строки между этими двумя метками.Второй параметр идет после запятой и говорит, что нужно выбрать столбец «доход»
.
Пришло время увидеть ту же конструкцию в действии с более крупным набором данных nba
. Выберите все игры между ярлыками 5555
и 5559
. Вас интересуют только названия команд и счет, поэтому выберите и эти элементы. Разверните блок кода ниже, чтобы увидеть решение:
Сначала определите, какие строки вы хотите видеть, затем перечислите соответствующие столбцы:
>>> >>> nba.loc [5555: 5559, ["fran_id", "opp_fran", "pts", "opp_pts"]]
Вы используете .loc
для индекса метки и запятую (,
) для разделения двух параметров.
Вы должны увидеть небольшую часть вашего довольно огромного набора данных:
Вывод намного легче читать!
С помощью таких методов доступа к данным, как .loc
и .iloc
, вы можете выбрать только правильное подмножество своего DataFrame
, чтобы помочь вам ответить на вопросы о своем наборе данных.
Запрос набора данных
Вы узнали, как получить доступ к подмножествам огромного набора данных на основе его индексов. Теперь вы выберете строки на основе значений в столбцах вашего набора данных, чтобы запросить ваши данные. Например, вы можете создать новый DataFrame
, который будет содержать только игры, в которые были сыграны после 2010 г .:
>>> current_decade = nba [nba ["year_id"]> 2010]
>>> current_decade.shape
(12658, 23)
У вас все еще есть все 23 столбца, но ваш новый DataFrame
состоит только из строк, в которых значение в столбце "year_id"
больше, чем 2010
.
Вы также можете выбрать строки, в которых конкретное поле не равно нулю:
>>> >>> games_with_notes = nba [nba ["примечания"]. Notnull ()]
>>> games_with_notes.shape
(5424, 23)
Это может быть полезно, если вы хотите избежать пропуска каких-либо значений в столбце. Вы также можете использовать .notna ()
для достижения той же цели.
Вы даже можете получить доступ к значениям типа данных объекта
как str
и применить к ним строковые методы:
>>> ers = nba [nba ["fran_id"].str.endswith ("ers")]
>>> ers.shape
(27797, 23)
Вы используете .str.endswith ()
, чтобы отфильтровать набор данных и найти все игры, в которых название команды хозяев заканчивается на "ers"
.
Вы можете комбинировать несколько критериев и запрашивать свой набор данных. Для этого обязательно заключите каждый из них в круглые скобки и используйте логические операторы |
и и
, чтобы разделить их.
Найдите игры Балтимора, в которых обе команды набрали более 100 очков.Чтобы каждую игру увидеть только один раз, нужно исключить дубликаты:
>>> >>> nba [
... (nba ["_ iscopy"] == 0) &
... (nba ["pts"]> 100) &
... (nba ["opp_pts"]> 100) &
... (nba ["team_id"] == "BLB")
...]
Здесь вы используете nba ["_ iscopy"] == 0
, чтобы включить только те записи, которые не являются копиями.
Ваш вывод должен содержать пять насыщенных событиями игр:
Попробуйте построить другой запрос с несколькими критериями.Весной 1992 года обеим командам из Лос-Анджелеса пришлось провести домашнюю игру на другом корте. Запросите свой набор данных, чтобы найти эти две игры. Обе команды имеют ID, начинающийся с "LA"
. Разверните блок кода ниже, чтобы увидеть решение:
Вы можете использовать .str
, чтобы найти идентификаторы команд, которые начинаются с "LA"
, и вы можете предположить, что в такой необычной игре будут некоторые примечания:
>>> nba [
... (nba ["_ iscopy"] == 0) &
... (nba ["team_id"]. str.startswith ("LA")) &
... (nba ["year_id"] == 1992) &
... (nba ["примечания"]. notnull ())
...]
Ваш вывод должен показать две игры в день 03.05.1992:
Хорошая находка!
Если вы знаете, как запрашивать свой набор данных по нескольким критериям, вы сможете ответить на более конкретные вопросы о своем наборе данных.
Группирование и агрегирование данных
Вы также можете изучить другие особенности вашего набора данных, такие как сумма, среднее или среднее значение группы элементов.К счастью, библиотека Pandas Python предлагает функций группирования и агрегирования , которые помогут вам выполнить эту задачу.
A Серия
имеет более двадцати различных методов вычисления описательной статистики. Вот несколько примеров:
>>> city_revenue.sum ()
18700
>>> city_revenue.max ()
8000
Первый метод возвращает в сумме city_revenue
, а второй возвращает максимальное значение.Вы можете использовать и другие методы, например .min ()
и .mean ()
.
Помните, что столбец DataFrame
на самом деле является объектом Series
. По этой причине вы можете использовать те же функции в столбцах nba
:
>>> points = nba ["pts"]
>>> тип (баллы)
<класс 'pandas.core.series.Series'>
>>> points.sum ()
12976235
Фрейм данных
может иметь несколько столбцов, что открывает новые возможности для агрегирования, такие как группировка :
>>> nba.groupby ("fran_id", sort = False) ["pts"]. sum ()
fran_id
Хаски 3995
Никс 582497
Мальчики 20398
Соколы 3797
Капитолийское 22387
...
По умолчанию Pandas сортирует групповые ключи во время вызова на .groupby ()
. Если вы не хотите сортировать, передайте sort = False
. Этот параметр может привести к увеличению производительности.
Вы также можете группировать по нескольким столбцам:
>>> >>> nba [
... (nba ["fran_id"] == "Тоттенхэм") &
... (nba ["year_id"]> 2010)
...] .groupby (["year_id", "game_result"]) ["game_id"]. count ()
year_id game_result
2011 L 25
W 63
2012 L 20
Вт 60
2013 L 30
W 73
2014 L 27
W 78
2015 П 31
W 58
Имя: game_id, dtype: int64
Вы можете практиковать эти основы с помощью упражнения. Взгляните на сезон 2014-15 «Голден Стэйт Уорриорз» ( year_id: 2015
).Сколько побед и поражений они набрали в регулярном чемпионате и плей-офф? Разверните блок кода ниже для решения:
Сначала можно сгруппировать по полю "is_playoffs"
, потом по результату:
>>> nba [
... (nba ["fran_id"] == "Воины") &
... (nba ["year_id"] == 2015)
...] .groupby (["is_playoffs", "game_result"]) ["game_id"]. count ()
is_playoffs game_result
0 л 15
W 67
1 л 5
W 16
is_playoffs = 0
показывает результаты регулярного сезона, а is_playoffs = 1
показывает результаты плей-офф.
В приведенных выше примерах вы только прикоснулись к функциям агрегирования, которые доступны вам в библиотеке Python Pandas. Чтобы увидеть больше примеров того, как их использовать, ознакомьтесь с Pandas GroupBy: Your Guide to Grouping Data in Python.
Управление колоннами
Вам нужно знать, как манипулировать столбцами вашего набора данных на разных этапах процесса анализа данных. Вы можете добавлять и удалять столбцы на этапе начальной очистки данных или позже, в зависимости от результатов вашего анализа.
Создайте копию исходного DataFrame
для работы с:
>>> df = nba.copy ()
>>> df.shape
(126314, 23)
Вы можете определить новые столбцы на основе существующих:
>>> >>> df ["разница"] = df.pts - df.opp_pts
>>> df.shape
(126314, 24)
Здесь вы использовали столбцы «pts»
и «opp_pts»
, чтобы создать новый столбец под названием «разница»
.Этот новый столбец выполняет те же функции, что и старый:
>>> df ["разница"]. Max ()
68
Здесь вы использовали функцию агрегирования .max ()
, чтобы найти наибольшее значение вашего нового столбца.
Вы также можете переименовать столбцы вашего набора данных. Кажется, что "game_result"
и "game_location"
слишком подробны, поэтому переименуйте их сейчас:
>>> renamed_df = df.переименовать (
... columns = {"game_result": "result", "game_location": "location"}
...)
>>> renamed_df.info ()
<класс 'pandas.core.frame.DataFrame'>
RangeIndex: 126314 записей, от 0 до 126313
Столбцы данных (всего 24 столбца):
gameorder 126314 ненулевой int64
...
расположение 126314 ненулевого объекта
результат 126314 ненулевой объект
прогноз 126314 ненулевое значение с плавающей запятой64
отмечает 5424 ненулевой объект
разница 126314 ненулевой int64
dtypes: float64 (6), int64 (8), объект (10)
использование памяти: 23.1+ МБ
Обратите внимание, что появился новый объект renamed_df
. Как и несколько других методов обработки данных, .rename ()
по умолчанию возвращает новый DataFrame
. Если вы хотите напрямую управлять исходным DataFrame
, тогда .rename ()
также предоставляет параметр inplace
, который можно установить на True
.
Ваш набор данных может содержать ненужные столбцы. Например, рейтинги Эло могут показаться интересными для некоторых, но вы не будете анализировать их в этом руководстве.Вы можете удалить четыре столбца, относящиеся к Elo:
>>> >>> df.shape
(126314, 24)
>>> elo_columns = ["elo_i", "elo_n", "opp_elo_i", "opp_elo_n"]
>>> df.drop (elo_columns, inplace = True, axis = 1)
>>> df.shape
(126314, 20)
Помните, что вы добавили новый столбец «разница»
в предыдущем примере, в результате чего общее количество столбцов достигло 24. Когда вы удалите четыре столбца Elo, общее количество столбцов уменьшится до 20.
Определение типов данных
Когда вы создаете новый DataFrame
, вызывая конструктор или читая CSV-файл, Pandas назначает тип данных каждому столбцу на основе его значений. Хотя он работает неплохо, он не идеален. Если вы заранее выберете правильный тип данных для столбцов, то сможете значительно повысить производительность своего кода.
Еще раз взгляните на столбцы набора данных nba
:
Вы увидите тот же результат, что и раньше:
Десять ваших столбцов имеют тип данных объект
.Большинство из этих столбцов объекта
содержат произвольный текст, но есть также некоторые кандидаты для преобразования типа данных . Например, взгляните на столбец date_game
:
>>> df ["date_game"] = pd.to_datetime (df ["date_game"])
Здесь вы используете .to_datetime ()
, чтобы указать все игровые даты как объекты datetime
.
Другие столбцы содержат текст, который немного более структурирован.Столбец game_location
может иметь только три разных значения:
>>> df ["game_location"]. Nunique ()
3
>>> df ["расположение_игры"]. value_counts ()
A 63138
H 63138
№ 38
Имя: game_location, dtype: int64
Какой тип данных вы бы использовали в реляционной базе данных для такого столбца? Вероятно, вы бы не использовали тип varchar
, а скорее перечислили бы enum
. Pandas предоставляет категориальный тип данных
для той же цели:
>>> df ["game_location"] = pd.Категориальный (df ["game_location"])
>>> df ["расположение_игры"]. dtype
КатегориальныйДтип (категории = ['A', 'H', 'N'], упорядоченный = False)
категориальные данные
данные имеют несколько преимуществ перед неструктурированным текстом. Когда вы указываете категориальный тип данных
, вы упрощаете проверку и экономите тонну памяти, поскольку Pandas будет использовать только уникальные значения внутри. Чем выше отношение общих значений к уникальным значениям, тем больше вы сэкономите место.
Бег df.info ()
снова. Вы должны увидеть, что изменение типа данных game_location
с объекта
на категориальный
уменьшило использование памяти.
Примечание: Категориальный тип данных
также предоставляет доступ к дополнительным методам через средство доступа .cat
. Чтобы узнать больше, ознакомьтесь с официальной документацией.
Часто встречаются наборы данных со слишком большим количеством текстовых столбцов. Важным навыком для специалистов по данным является способность определять, какие столбцы они могут преобразовать в более производительный тип данных.
Найдите минутку, чтобы попрактиковаться в этом сейчас. Найдите другой столбец в наборе данных nba
, который имеет общий тип данных, и преобразуйте его в более конкретный. Вы можете развернуть блок кода ниже, чтобы увидеть одно возможное решение:
game_result
может принимать только два разных значения:
>>> df ["game_result"]. Nunique ()
2
>>> df ["game_result"]. value_counts ()
L 63157
W 63157
Для повышения производительности вы можете преобразовать его в категориальный столбец
:
>>> df ["game_result"] = pd.Категориальный (df ["game_result"])
Вы можете использовать df.info ()
для проверки использования памяти.
При работе с более массивными наборами данных экономия памяти становится особенно важной. Обязательно помните о производительности , продолжая исследовать свои наборы данных.
Данные очистки
Вы можете быть удивлены, обнаружив этот раздел так поздно в руководстве! Обычно вы критически оцениваете свой набор данных, чтобы исправить любые проблемы, прежде чем переходить к более сложному анализу.Однако в этом руководстве вы будете полагаться на методы, которые вы изучили в предыдущих разделах, для очистки набора данных.
Отсутствующие значения
Вы когда-нибудь задумывались, почему .info ()
показывает, сколько ненулевых значений содержит столбец? Причина в том, что это жизненно важная информация. Нулевые значения часто указывают на проблему в процессе сбора данных. Они могут сделать несколько методов анализа, например различные типы машинного обучения, трудными или даже невозможными.
Когда вы изучите набор данных nba
с помощью nba.info ()
, вы увидите, что это довольно аккуратно. Только столбец примечания
содержит нулевые значения для большинства своих строк:
Эти выходные данные показывают, что столбец notes
имеет только 5424 ненулевых значения. Это означает, что более 120000 строк вашего набора данных имеют нулевые значения в этом столбце.
Иногда самый простой способ справиться с записями, содержащими пропущенные значения, - игнорировать их.Вы можете удалить все строки с пропущенными значениями, используя .dropna ()
:
>>> rows_without_missing_data = nba.dropna ()
>>> rows_without_missing_data.shape
(5424, 23)
Конечно, такая очистка данных не имеет смысла для вашего набора данных nba
, потому что отсутствие заметок не проблема для игры. Но если ваш набор данных содержит миллион действительных записей и сотню, где соответствующие данные отсутствуют, то удаление неполных записей может быть разумным решением.
Вы также можете удалить проблемные столбцы, если они не имеют отношения к вашему анализу. Для этого снова используйте .dropna ()
и укажите параметр оси = 1
:
>>> data_without_missing_columns = nba.dropna (axis = 1)
>>> data_without_missing_columns.shape
(126314, 22)
Теперь результирующий DataFrame
содержит все 126 314 игр, но не иногда пустой столбец примечаний
.
Если для вашего варианта использования есть значимое значение по умолчанию, то вы также можете заменить отсутствующие значения на это:
>>> >>> data_with_default_notes = nba.копия ()
>>> data_with_default_notes ["примечания"]. fillna (
... value = "вообще никаких заметок",
... inplace = True
...)
>>> data_with_default_notes ["примечания"]. описать ()
количество 126314
уникальный 232
вверху вообще нет заметок
частота 120890
Имя: заметки, dtype: объект
Здесь вы заполняете пустые строки примечаний
строкой «вообще никаких примечаний»
.
Неверные значения
Недействительные значения могут быть даже более опасными, чем пропущенные значения.Часто вы можете выполнить анализ данных, как и ожидалось, но результаты получаются необычными. Это особенно важно, если ваш набор данных огромен или используется ручной ввод. Неверные значения часто сложнее обнаружить, но вы можете реализовать некоторые проверки работоспособности с помощью запросов и агрегатов.
Единственное, что вы можете сделать, - это проверить диапазоны ваших данных. Для этого вполне подойдет .describe ()
. Напомним, что он возвращает следующий результат:
year_id
варьируется между 1947 и 2015 годами.Звучит правдоподобно.
А как насчет баллов
? Как минимум 0
? Давайте посмотрим на эти игры:
>>> nba [nba ["pts"] == 0]
Этот запрос возвращает одну строку:
Похоже, игра была проиграна. В зависимости от вашего анализа вы можете удалить его из набора данных.
Несовместимые значения
Иногда значение само по себе может быть полностью реалистичным, но оно не соответствует значениям в других столбцах.Вы можете определить некоторые критерии запроса, которые являются взаимоисключающими, и убедиться, что они не встречаются вместе.
В наборе данных NBA значения полей pts
, opp_pts
и game_result
должны согласовываться друг с другом. Вы можете проверить это с помощью атрибута .empty
:
>>> nba [(nba ["pts"]> nba ["opp_pts"]) & (nba ["game_result"]! = 'W')]. Пусто
Правда
>>> nba [(nba ["очки"]
К счастью, оба этих запроса возвращают пустой DataFrame
.
Будьте готовы к сюрпризам всякий раз, когда вы работаете с необработанными наборами данных, особенно если они были собраны из разных источников или через сложный конвейер. Вы можете увидеть строки, в которых команда набрала больше очков, чем ее противник, но все равно не выиграла - по крайней мере, согласно вашему набору данных! Чтобы избежать подобных ситуаций, обязательно добавьте дополнительные методы очистки данных в свой арсенал Pandas и Python.
Объединение нескольких наборов данных
В предыдущем разделе вы узнали, как очистить беспорядочный набор данных. Другой аспект реальных данных заключается в том, что они часто состоят из нескольких частей. В этом разделе вы узнаете, как собрать эти части и объединить их в один набор данных, готовый для анализа.
Ранее вы объединили два объекта Series
в DataFrame
на основе их индексов. Теперь сделаем еще один шаг и воспользуемся .concat ()
, чтобы объединить city_data
с другим DataFrame
. Допустим, вам удалось собрать данные еще по двум городам:
>>> дальше_city_data = pd.DataFrame (
... {"доход": [7000, 3400], "employee_count": [2, 2]},
... index = ["Нью-Йорк", "Барселона"]
...)
Этот второй DataFrame
содержит информацию о городах «Нью-Йорк»
и «Барселона»
.
Вы можете добавить эти города в city_data
, используя .concat ()
:
>>> all_city_data = pd.concat ([city_data, additional_city_data], sort = False)
>>> all_city_data
Амстердам 4200 5,0
Токио 6500 8,0
Торонто 8000 NaN
Нью-Йорк 7000 2.0
Барселона 3400 2.0
Теперь новая переменная all_city_data
содержит значения из обоих объектов DataFrame
.
Примечание. Начиная с версии 0.25.0 Pandas, значение параметра sort
по умолчанию - True
, но вскоре оно изменится на False
.Рекомендуется указать явное значение для этого параметра, чтобы ваш код работал согласованно в разных версиях Pandas и Python. Для получения дополнительной информации обратитесь к Руководству пользователя Pandas.
По умолчанию concat ()
объединяет по оси = 0
. Другими словами, он добавляет строки. Вы также можете использовать его для добавления столбцов, указав параметр axis = 1
:
>>> city_countries = pd.DataFrame ({
... «страна»: [«Голландия», «Япония», «Голландия», «Канада», «Испания»],
... "capital": [1, 1, 0, 0, 0]},
... index = ["Амстердам", "Токио", "Роттердам", "Торонто", "Барселона"]
...)
>>> cities = pd.concat ([all_city_data, city_countries], axis = 1, sort = False)
>>> города
доход employee_count страна столица
Амстердам 4200,0 5,0 Голландия 1,0
Токио 6500,0 8,0 Япония 1,0
Торонто 8000.0 NaN Канада 0.0
Нью-Йорк 7000.0 2.0 NaN NaN
Барселона 3400.0 2,0 Испания 0,0
Роттердам NaN NaN Голландия 0,0
Обратите внимание, как Pandas добавил NaN
для пропущенных значений. Если вы хотите объединить только города, которые появляются в обоих объектах DataFrame
, вы можете установить для параметра join
значение inner
:
>>> pd.concat ([all_city_data, city_countries], axis = 1, join = "inner")
доход employee_count страна столица
Амстердам 4200 5.0 Голландия 1
Токио 6500 8,0 Япония 1
Торонто 8000 NaN Канада 0
Барселона 3400 2,0 Испания 0
Хотя объединить данные на основе индекса проще всего, это не единственная возможность. Вы можете использовать .merge ()
для реализации операции соединения, аналогичной той, что была в SQL:
>>> country = pd.DataFrame ({
... "population_millions": [17, 127, 37],
... "континент": ["Европа", "Азия", "Северная Америка"]
...}, index = ["Голландия", "Япония", "Канада"])
>>> pd.merge (города, страны, left_on = "страна", right_index = True)
Здесь вы передаете параметр left_on = "country"
в .merge ()
, чтобы указать, к какому столбцу вы хотите присоединиться. Результатом является более крупный фрейм данных
, который содержит не только данные о городах, но также население и континент соответствующих стран:
Обратите внимание, что результат содержит только города, в которых страна известна, и появляется в объединенном DataFrame
.
.merge ()
по умолчанию выполняет внутреннее соединение. Если вы хотите включить в результат все города, вам необходимо указать параметр как
:
>>> pd.merge (
... города,
... страны,
... left_on = "страна",
... right_index = Верно,
... как = "влево"
...)
Если осталось присоединиться к
, вы увидите все города, включая города без данных о стране:
С возвращением, Нью-Йорк и Барселона!
Визуализация фрейма данных Pandas
Визуализация данных - это одна из вещей, которая работает намного лучше в ноутбуке Jupyter, чем в терминале, так что вперед и запускайте.Если вам нужна помощь в начале работы, ознакомьтесь с Jupyter Notebook: An Introduction. Вы также можете получить доступ к записной книжке Jupyter, содержащей примеры из этого руководства, щелкнув ссылку ниже:
Включите эту строку, чтобы отображать графики прямо в записной книжке:
>>> >>>% matplotlib inline
Объекты Series
и DataFrame
имеют метод .plot ()
, который является оболочкой для matplotlib.pyplot.plot ()
. По умолчанию он создает линейный график . Визуализируйте, сколько очков «Никс» набрали за сезоны:
>>> nba [nba ["fran_id"] == "Knicks"]. Groupby ("year_id") ["pts"]. Sum (). Plot ()
Здесь показан линейный график с несколькими пиками и двумя заметными впадинами около 2000 и 2010 годов:
Вы также можете создавать другие типы графиков, например, столбчатый график :
>>> >>> nba ["fran_id"].value_counts (). head (10) .plot (kind = "бар")
Отобразятся франшизы с наибольшим количеством сыгранных игр:
«Лейкерс» лидируют в «Селтикс» с минимальным преимуществом, и есть еще шесть команд с количеством игр выше 5000.
Теперь попробуйте более сложное упражнение. В 2013 году чемпионат выиграла команда «Майами Хит». Создайте круговую диаграмму, показывающую количество их побед и поражений в этом сезоне. Затем разверните блок кода, чтобы увидеть решение:
Во-первых, вы определяете критерии, чтобы включить в него только игры Heat 2013 года.Затем вы создаете график таким же образом, как и выше:
>>> >>> nba [
... (nba ["fran_id"] == "Heat") &
... (nba ["year_id"] == 2013)
...] ["game_result"]. value_counts (). plot (kind = "pie")
Вот как выглядит чемпионский пирог:
Срез выигрышей значительно больше, чем срез проигрышей!
Иногда числа говорят сами за себя, но часто диаграмма очень помогает в передаче ваших идей.Чтобы узнать больше о визуализации данных, ознакомьтесь с интерактивной визуализацией данных в Python с боке.
Заключение
В этом руководстве вы узнали, как запустить , исследуя набор данных с помощью библиотеки Python Pandas. Вы видели, как можно получить доступ к определенным строкам и столбцам, чтобы приручить даже самые большие наборы данных. Говоря об укрощении, вы также познакомились с несколькими методами подготовки и очистки данных путем указания типа данных столбцов, работы с пропущенными значениями и т. Д.Вы даже создали запросы, агрегаты и графики на их основе.
Теперь вы можете:
- Работа с объектами
Series
иDataFrame
- Подгруппируйте данные с помощью
.loc
,.iloc
и оператора индексации - Отвечайте на вопросы с помощью запросов, группировки и агрегирования
- Обработка отсутствующих, недопустимых и несогласованных данных
- Визуализируйте свой набор данных в записной книжке Jupyter
Это путешествие с использованием статистики NBA лишь поверхностное представление о том, что вы можете делать с библиотекой Pandas Python.Вы можете усилить свой проект с помощью приемов Pandas, изучить методы ускорения Pandas на Python и даже погрузиться глубоко, чтобы увидеть, как Pandas работает за кулисами. Есть еще много возможностей, которые вы можете открыть для себя, так что приступайте к работе с этими наборами данных!
Вы можете получить все примеры кода, которые вы видели в этом руководстве, щелкнув ссылку ниже:
[FREE-TV] Чикаго - Атланта Прямая трансляция Онлайн-гид NBA TV
Смотрите Чикаго против Атланты в прямом эфире и телегид, матч НБА 2021 Чикаго против Атланты в прямом эфире: новости команды, время начала матча, прогнозы, прямой эфир онлайн
==============
Смотрите здесь ➲ https: // watchlivenetwork.com / nba
==============
How to Live Chicago vs Atlanta Live Game NBA 2021. После шокирующего поражения команда надеется обыграть St.in
Memphis vs New York Live - это игра НБА 2021 года, в которой команды Мемфис vs Нью-Йорк будут играть в формате. Он входит в число самых популярных межшкольных видов спорта в обеих странах, но его популярность снижается. С 2009 по 2021 год участие в Играх НБА 2021 года.
Мемфис - Нью-Йорк - фавориты каждый год, они выиграли 47 раз по сравнению с 12 победами Валлаби.Валлаби не выигрывали с 2002 года, пока пятилетняя победная серия не превратилась в 16 поражений подряд. Тем не менее, Wallabiesn Wallabies полностью разобрали All Blacks в первой игре с крупной победой со счетом 46 против 26. Новости NBA Game 2021. Победа Валлаби может положить конец хулиганству на стадионе и высшему рейтингу Новой Зеландии. Валлаби могут не только вернуть себе кубок Бледислоу и положить конец неудачам Иден Парк победой над All Blacks в субботу, но и положить конец десятилетнему правлению All Blacks на чемпионате мира. Валлаби положили руку на символ транс-тасманского превосходства на прошлой неделе, одержав рекордную победу 47-26 в Перте, победа, которая немедленно поставила гегемонию All Blacks под давление, а Уэльс, занявший второе место, встретился с Англией позже. в субботу.Однако победа сборной Англии над Уэльсом со счетом 33-19 позволила команде Стива Хансена удерживать первое место в рейтинге по крайней мере еще на неделю, хотя это снова вызывает споры в играх разминки чемпионата мира в эти выходные. Ноябрь 2009 года, но к понедельнику там могут оказаться четыре стороны: Уэльс и Ирландия впервые стремятся занять первое место. Англия также может подняться на вершину рейтинга впервые за 15 лет, если им удастся обыграть Уэльс. на 15 пунктов.Плотность в верхней части таблицы такова, что в зависимости от результатов на выходных All Blacks могут опуститься на шестое место, что является их самой низкой позицией с момента введения рейтинга в 2003 году, однако и Wallabies, и All Blacks выбрали эту неделю. сосредоточить внимание на Кубке Бледисло, оставив рейтинги второстепенными.
«Мемфис» - «Нью-Йорк» во второй раз в своей карьере встретится в среду вечером с «Мемфисом - Нью-Йорком». Первый случай был историческим.
В финале регулярного чемпионата прошлого года апр.К 11 годам Фульц стал самым молодым игроком в истории Игр НБА 2021, сделавшим трипл-дабл, набрав 13 очков, 10 подборов и 10 передач в возрасте 19 лет и 317 дней.
The Sixers проиграли Bucks той ночью, 130-95, выиграв свою 16-ю игру подряд и обеспечив себе третье место в Восточной конференции.
Одной из самых запоминающихся частей той игры было то, как товарищи по команде отреагировали на его достижение. После того, как он схватился за отскок, чтобы завершить свой трипл-дабл, он был окружен толпой, а после игры окунулся в импровизированное празднование в раздевалке.
«Они разливали клубничное молоко, шоколадное молоко, воду», - сказал Фульц. «Они топили меня всем, но это все любовь и признательность».
• Джей Джей Редик был отстранен из-за напряженности в пояснице в финале регулярного сезона против Бакс, а Бен Симмонс провел редкую тихую ночь, сыграв всего 22 минуты, что привело к тому, что во втором тайме Фульц и Т. МакКоннелл. Это контрастирует с этими двумя прошлыми играми, где Бретт Браун предпочел МакКоннелла Фульцу на всем отрезке, а Симмонс выбыл из игры.
По словам Криса Хейнса из Yahoo Sports,Симмонс собирается вернуться в состав Sixers после того, как пропустил игру во вторник против Pistons.
Хотя Фульц стартовал с момента, когда во вторник он проиграл Детройту в овертайме 133–132 (см. Наблюдения), набрав 13 очков из 6 из 9 бросков, Браун подумал, что МакКоннелл был лучшим вариантом, когда игра была на кону.
«В итоге мы пошли с T.J. из соображений защиты », - сказал Браун репортерам. «Мы узнали, что Т.У Джей в обороне есть опыт игры в НБА 2021. Я думаю, что Т.Дж. был 3 из 3 в четвертом периоде и действительно провел чертовски четвертый период. Но особенно в обороне, и он производился в нападении.
Welcome to our blog!