sportsreference爬取NBA赛程时为DataFrame添加所属球队列

只需要在拉取单支球队赛程时提前给数据打上球队标识，再合并总表，就能直接得到带team字段的完整赛程表，不会出现记录和球队错配的问题。

推荐改造代码（兼容新版pandas，运行效率更高） #

from sportsreference.nba.schedule import Schedule
import pandas as pd

# 全量NBA球队列表，将原代码单独初始化的MIL纳入列表统一处理，逻辑更简洁
league = ['MIL','CHO','LAL','LAC','SAC','ATL','MIA','DAL','POR',
          'HOU','NOP','PHO','WAS','MEM','BOS','DEN','TOR','SAS',
          'PHI','BRK','UTA','IND','OKC','ORL','MIN','DET',
          'NYK','CLE','CHI','GSW']

schedule_dfs = []
for team in league:
    # 拉取单队指定赛季的赛程数据
    team_schedule = Schedule(team, year="2020").dataframe
    # 新增team列，当前队所有赛程记录统一赋值为对应球队缩写
    team_schedule['team'] = team
    schedule_dfs.append(team_schedule)

# 一次性合并所有球队赛程，重置索引避免重复
league_schedule = pd.concat(schedule_dfs).reset_index(drop=True)

改造说明 #

• 取消原代码单独初始化MIL队赛程的写法，将所有球队放入统一列表循环处理，避免重复写赋值逻辑，后续增减球队也更方便
• 每支球队的赛程拉取后立刻打所属球队标识，从根源避免记录和主队对应错误的问题
• 用pd.concat一次性合并所有单队数据表，代替原代码逐次append的写法，运行速度更快，同时兼容pandas 2.0及以上版本（新版pandas已经移除了DataFrame.append方法）
• 合并后调用reset_index(drop=True)重置行索引，避免多队数据合并后出现索引重复的问题

最小改动方案（适配原有代码结构） #

如果不想调整原有代码的书写逻辑，只需要加两行代码即可实现需求：

1. 初始化MIL队赛程后，新增一行给MIL的记录打标识：league_schedule['team'] = 'MIL'
2. 循环内追加数据前，先给当前球队的赛程打上对应标识，改造后的循环代码如下：

league_schedule = Schedule('MIL', year="2020").dataframe
league_schedule['team'] = 'MIL'
for team in league:
    cur_team_df = Schedule(team , year="2020").dataframe
    cur_team_df['team'] = team
    league_schedule = league_schedule.append(cur_team_df)

注意：该写法仅适用于pandas 1.x版本，新版pandas运行会报属性错误，优先推荐前面的concat写法。

运行改造后的代码，得到的league_schedule就会包含team列，字段顺序和取值完全匹配你需要的目标表结构。

内容的提问来源于stack exchange，提问作者schmidtm35