kaggle案例重复：科比的投篮选择之一

• 2020 年 3 月 3 日
• 筆記

以下内容为kaggle网站上的一个案例；原文地址 Kobe Bryant Shot Selection。主要内容是探索科比20年NBA生涯的数据，包括进攻方式，出手距离和出手区域，命中率等。

原文很长，准备分成几个部分来重复，今天是第一部分

读入数据、查看数据维度、删除缺失值等

shots<-read.csv("data.csv")  dim(shots)  [1] 30697    25

可以看到原数据集总共包括25个变量，30697行数据 删除缺失值所在的行

shots<-na.omit(shots)  dim(shots)  [1] 25697    25

删除缺失值后数据少了5000条。因为kaggle贴出的数据集目的为：是否可以根据科比20年职业生涯的出手数据来预测下一次投篮是否可以命中。所以在原数据集中删除了5000条shotmadeflags。这部分用来做测试集。（学英语学英语：Using 20 years of data on Kobe's swishes and misses, can you predict which shots will find the bottom of the net?）。这句话中的两个生词：swishesandmisses; find the bottom of the net。

加载本次分析所需要的R包

library(ggplot2)  library(tidyverse)  library(gridExtra)

ggplot2用来作图 tidyverse用来整合数据 gridExtra用来拼图(ggplot2出图拼接有一个专门的R包ggpubr，很好用)

数据可视化

散点图看一下科比的投篮方式（shot type）

首先看一下数据集中的combinedshottype变量中都包括哪些值

unique(shots$combined_shot_type)  [1] Jump Shot Dunk      Layup     Tip Shot  Hook Shot Bank Shot  Levels: Bank Shot Dunk Hook Shot Jump Shot Layup Tip Shot

投篮方式主要包括六种类型

散点图可视化

ggplot()+    geom_point(data= shots %>% filter(combined_shot_type == "Jump Shot"),               aes(x=lon,y=lat),color="grey",alpha=0.3)+    geom_point(data = shots %>% filter(combined_shot_type != "Jump Shot"),               aes(x=lon,y=lat,color=combined_shot_type),alpha=0.8)+    labs(title="Shot type")+    ylim(c(33.7,34.0883))+theme_void()+    theme(legend.title = element_blank(),          plot.title = element_text(hjust=0.5))

可以看出绝大部分进攻都以跳投结束

散点图出手距离、柱形图每个距离范围出手次数

shotzonerange变量中包含的值

unique(shots$shot_zone_range)  [1] 8-16 ft.        16-24 ft.       Less Than 8 ft. 24+ ft.  [5] Back Court Shot  Levels: 16-24 ft. 24+ ft. 8-16 ft. Back Court Shot Less Than 8 ft.

feet 英尺；1英尺等于0.3048米 NBA三分线7.25米；23.9英尺

p1<-ggplot(data=shots,aes(x=lon,y=lat))+    geom_point(aes(color=shot_zone_range))+    labs(title="Shot zone range")+    ylim(c(33.7,34.0883))+    theme_void()+    theme(legend.position="none",          plot.title=element_text(hjust=0.5))  p2<-ggplot(shots,aes(x=fct_infreq(shot_zone_range)))+    geom_bar(aes(fill=shot_zone_range))+labs(y="Frequency")+    theme_bw()+    theme(axis.title.x=element_blank(),legend.position="none")  grid.arrange(p1,p2,layout_matrix=cbind(c(1,2)))

根据柱形图可以看出篮下和长两分是科比的主要进攻方式

这里遇到了一个新函数 fac_infreq()，之前没有接触过。作用是因子变量排序。小例子

f<-factor(c("b","b","a","c","c","c"))  f  [1] b b a c c c  Levels: a b c  fct_infreq(f)  [1] b b a c c c  Levels: c b a  fct_inorder(f)  [1] b b a c c c  Levels: b a c

这里很神奇的是p1和p2的颜色可以对应上，暂时还搞不懂是什么原理。

出手区域散点图，柱形图

unique(shots$shot_zone_area)  [1] Left Side(L)          Left Side Center(LC)  [3] Right Side Center(RC) Center(C)  [5] Right Side(R)         Back Court(BC)  6 Levels: Back Court(BC) Center(C) ... Right Side(R)

出手区域被分为六个部分

p3<-ggplot(shots,aes(x=lon,y=lat))+    geom_point(aes(colour=shot_zone_area))+    labs(title="Shot zone area")+    ylim(c(33.7,34.0883))+theme_void()+    theme(legend.position = "none",          plot.title=element_text(hjust=0.8))  p4<-ggplot(shots,aes(x=fct_infreq(shot_zone_area)))+    geom_bar(aes(fill=shot_zone_area))+    labs(y="Frequency")+theme_bw()+    theme(axis.text.x=element_text(size=7),          axis.title.x=element_blank(),          legend.position="none")  grid.arrange(p3,p4,layout_matrix=cbind(c(1,2)))

从上图可以看出右侧区域是科比比较喜欢的进攻区域

投篮区域根据另一个原则划分（散点图、柱形图）

unique(shots$shot_zone_basic)  [1] Mid-Range             Restricted Area       In The Paint (Non-RA)  [4] Above the Break 3     Right Corner 3        Backcourt  [7] Left Corner 3  7 Levels: Above the Break 3 Backcourt ... Right Corner 3

Mid-Rnage Restricted Area 限制区 In the Paint（Non-RA） 限制区以外的油漆区 Above the Break 3 踩线三分？？？Right Corner 3 Left Corner 3 Backcourt后场

从上图可以看出中距离是科比的主要进攻方式