探索大神科比,30000多次投籃數據，有好玩的發現
- 2019 年 10 月 8 日
- 筆記
- 數據獲取
- 數據的清洗
- 數據的多維度可視化
01
數據來源
玩數據分析的同學一定都知道kaggle，裡面有大量好玩的數據集，這次我們下載了科比近20年職業生涯中所嘗試的每個投籃命中的位置和情況，由於是籃球領域的數據，可能有一些小夥伴看不懂，不過沒關係，後面我都會進行簡短的說明的。
鏈接：https://www.kaggle.com/c/kobe-bryant-shot-selection/data
The field names are self explanatory and contain the following attributes:
- action_type 進攻方式（更具體）
- combined_shot_type 進攻方式
- game_event_id 這個不清楚
- game_id 比賽ID
- lat 投籃點
- loc_x 投籃點
- loc_y 投籃點
- lon 投籃點
- minutes_remaining 單節剩餘時間（分鐘）
- period 表示第幾節
- playoffs 是否是季後賽
- season 賽季
- seconds_remaining 剩餘時間（秒）
- shot_distance 投籃距離
- shot_made_flag 是否進球
- shot_type 兩分球或三分球
- shot_zone_area 投籃區域
- shot_zone_basic 投籃區域（更具體）
- shot_zone_range 投籃範圍
- team_id 球隊ID
- team_name 球隊名稱
- game_date 比賽日期
- matchup 比賽雙方
- opponent 對手
- shot_id 投籃ID
02
數據的讀取和查看
1).讀入數據集：
2).看一下數據集基本情況：一共有25個維度
3).看一下數據集的大小:一共投了30697次
可以看到，科比職業生涯出手投籃了三萬多次，確實是厲害！大致先了解一下這份數據，主要是收集了科比每一次進攻的位置，投籃方式和得分，這三個維度也是我們重點關注的，其他的其實影響不是太大。
03
數據清洗和探索
1).數據的清洗
因為這是kaggle上的一個比賽數據，會用於預測，所以在「shot_made_flag」這一列上會有空值（即預測科比這一次投籃是否能投進），後面的部分分析會先剔除掉這些空值的數據，所以科密們，如果見到後面一些分析不太合理的話，要考慮到這一點哦！
#剔除未知命中結果的數據
known_data = data[data['shot_made_flag'].notnull()]
known_data.sample(3)
2).數據的思考
那接下來就慢慢來分析科比的投籃吧。站在一個球迷的位置，我會先關注的是科比的投籃點，有哪一些進攻的方式，哪一種又是偏多呢？
在數據分析前，我先來猜測下，按照我的球迷經驗，科比常用的應該是跳投多一些，畢竟江湖上有一句話說，「我科後仰美如畫」。科比的投籃姿勢也是教科書版的存在，所以會有很多人去模仿他的動作。
3).畫出科比的投籃圖
- 默認的plt畫圖太丑，我用sns來設置畫圖的顏色
- plt來設置中文字體,設置坐標系顯示負數
- 用scatter來畫散點圖
- 設置X,Y軸和Title
可視化看一下：
4).常用的進攻方式
- 取數據集中的'combined_shot_type'統計科比投籃的方式
- 用直方圖來顯示，構造x和y的參數.(x為1到6的序列，y為每一種投籃方式的統計數)
- 設置坐標標籤和刻度範圍
果然，跳投是最多的，最少的是擦板（嗯，這個讓我想起了另外一位巨星——鄧肯，他的擦板肯定不少！）這裡用到的是「combined_shot_type」這一列，然後我把結果轉為中文了，看起來順眼一點。
4).計算命中率
- 過濾數據集，獲得投籃命中的次數hits_df
- 計算投籃命中率
- 設置坐標參數和lable
可以看到，扣籃的命中率最高，然後是擦板，帶球上籃，勾手，跳投，最後居然是補籃命中率最低（有點難以置信，有可能是數據的缺失的原因，我其實更偏向跳投才是最低的).
5).看看不同區域的出手情況
分析完科比的進攻方式，再來看看他喜歡在哪些地方投籃，終結的效果又是如何。同樣，數據集裡面對投籃區域的描述也有兩列，這裡我選取描述更具體的「shot_zone_basic」一列來分析。
因為y軸的標籤名稱太長，所以我們把畫布右移0.18
可以看到，科比更多的進攻範圍是在中距離，中投多一點。
6).最後一分鐘的數據
#選取最後一分鐘的數據
last_min_df = known_data[known_data['minutes_remaining']==0]
#平均進攻距離
avg_dis = last_min_df['shot_distance'].mean()
#進攻方式繪製
可以看到，還是中距離的跳投居多，還有一些距離看起來很遠的，一般都是時間快到點了，然後亂扔出去的,最為球隊領袖，還是有很多出手權的。
如果大家周圍有對數據分析&數據挖掘感興趣的朋友，歡迎在朋友圈分享&轉發一下，讓更多的朋友加入我們。有好的文章也可以聯繫我與大家分享，需要獲取程式碼轉載本公眾號文章，可以直接在公眾號或者文章下方留言。
