Original em inglês: https://argusic.com/subject/nba-api
nba_api
Um pacote API Client para acessar as APIs do NBA.com
Executa com mocksfonte: GitHubPythonMITcommit 52c0fb0b81c4
Python, licença MIT. O projeto se descreve como: analysis, api client, basketball stats, endpoint analysis, http client, jupyter notebooks, nba e nba api.
nba_api executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 32 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
nba_api v1.11.4 installed via editable venv install, all 522 unit tests pass, all 150 VCR-backed integration tests pass, and static NBA player/team data returns correct results.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- 32 minutos
- Da máquina limpa até o fim
- 39 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest tests/unit exited 0 (522 passed); pytest tests/integration -m vcr exited 0 (150 passed, 17 skipped); python import and static data lookup returned 5205 players and 30 teams; PlayerCareerStats class constructs successfully
- Tokens de modelo usados
- 1.220.956
- Commit exato testado
- 52c0fb0b81c4
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
from nba_api.stats.static import players, teams
ps=players.get_players()
ts=teams.get_teams()
print(f'Players:{len(ps)} Teams:{len(ts)}')
print('Package is operational (static data works, classes construct)')
\"" in /work/repo
succeeded in 383ms:
PlayerCareerStats instantiated OK
Players:5205 Teams:30
Package is operational (static data works, classes construct)
tokens used
1,220,956Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 32 minutos.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,18 |
Tópicos (de GitHub)
analysisapi-clientbasketball-statsendpoint-analysishttp-clientjupyter-notebooksnbanba-apinba-statsnba-stats-apipythonpython3sports-statsstats
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/nba-api)Perguntas
- nba_api executa?
- nba_api executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 32 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou nba_api?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 52c0fb0b81c4. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar nba_api?
- A execução que produziu este veredito custou US$ 0,18: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar nba_api?
- 32 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- nba_api precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar nba_api?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Onde estão as evidências de nba_api?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.