資訊專欄INFORMATION COLUMN
摘要：近日各隊(duì)紛紛發(fā)布季前賽賽程，迎接新賽季。實(shí)際上，數(shù)據(jù)分析團(tuán)隊(duì)對(duì)于現(xiàn)在的球隊(duì)已經(jīng)算是標(biāo)配了，無(wú)論是在球員選擇還是戰(zhàn)術(shù)制定上都起著重要的作用。于是，我們就借助官方數(shù)據(jù)和的繪圖函數(shù)，來(lái)看一看不同的球員都是在什么位置出手投籃的。比如林書(shū)豪就是。
作者 | Crossin先生
導(dǎo)讀：NBA 2018-19 賽季已經(jīng)落下帷幕，猛龍擊敗勇士，成為新科冠軍球隊(duì)。近日各隊(duì)紛紛發(fā)布2019-20季前賽賽程，迎接新賽季。
我想，不如來(lái)做個(gè) NBA 相關(guān)的數(shù)據(jù)分析案例好了。實(shí)際上，數(shù)據(jù)分析團(tuán)隊(duì)對(duì)于現(xiàn)在的 NBA 球隊(duì)已經(jīng)算是標(biāo)配了，無(wú)論是在球員選擇還是戰(zhàn)術(shù)制定上都起著重要的作用。當(dāng)下整個(gè)聯(lián)盟越來(lái)越盛行的“魔球化”打法，其實(shí)也正是基于數(shù)據(jù)分析的產(chǎn)物。
于是，我們就借助官方數(shù)據(jù)和 Python 的繪圖函數(shù)，來(lái)看一看不同的球員都是在什么位置出手投籃的。
01 視頻版本
這篇數(shù)據(jù)分析案例，我做了個(gè)視頻版本，對(duì)代碼做了解讀，講了運(yùn)行的注意事項(xiàng)和一些有的沒(méi)的，供需。對(duì)于視頻制作還不是很有經(jīng)驗(yàn)，多包涵。（視頻里有彩蛋）
本文在案例的代碼寫(xiě)完后，我把它發(fā)在了虎撲上。結(jié)果，被推薦上了首頁(yè)，25萬(wàn)多次瀏覽，近800回復(fù)……感謝各位JRs賞臉！
原圖、更多球員生成的結(jié)果及完整代碼，見(jiàn)以下網(wǎng)址：
NBA出手點(diǎn)統(tǒng)計(jì)代碼：
https://gitee.com/crossin/sni...
幾十位球星生成圖：
提取碼: jbpw
02 效果展示
照例先看結(jié)果，每個(gè)點(diǎn)是一次投籃，藍(lán)色點(diǎn)是投中，紅色點(diǎn)是未中。挑幾個(gè)有特點(diǎn)的：
1. 哈登
魔球得很明顯了，長(zhǎng)兩分這種低效率的事絕對(duì)不干
2. 西蒙斯
古典中鋒
3. 德拉贊
中投小王子
4. 字母哥
籃下都給你扣糊了！
5. 庫(kù)里
這個(gè)得放全場(chǎng)……
6. 科比
生涯累計(jì)圖，全方位無(wú)死角，包括籃板后負(fù)角度
下面來(lái)看具體步驟，我們以剛剛獲得本賽季冠軍戒指的林書(shū)豪作為例子。
03 獲取數(shù)據(jù)
NBA 有一個(gè)官方統(tǒng)計(jì)網(wǎng)站：stats.nba.com，上面有各種數(shù)據(jù)，可以說(shuō)是一個(gè)寶藏了。
從網(wǎng)頁(yè)上，我沒(méi)有找到這次所需的數(shù)據(jù)。但通過(guò)一番搜索，我找到了網(wǎng)站的開(kāi)放接口 API。相關(guān)的接口和文檔你可以從這個(gè)項(xiàng)目里查看：
nba_py - stats.nba.com API for python
https://github.com/seemethere...
通過(guò)以下接口，我們可以獲取某個(gè)球員在指定賽季的投籃詳細(xì)數(shù)據(jù)：
https://stats.nba.com/stats/s...
其中參數(shù) PlayerID是查詢球員的 ID，這個(gè) ID 可以通過(guò)在網(wǎng)頁(yè)上搜索球員姓名，從對(duì)應(yīng)的 URL 中獲取。比如林書(shū)豪就是 202391。
https://stats.nba.com/player/...
鏈接中的兩處 2018-19是賽季參數(shù)，你可以改成其他賽季，不過(guò)我試過(guò)不能太早，大約 96 年往前就沒(méi)數(shù)據(jù)了，而且早期數(shù)據(jù)精度要差些。
其他參數(shù)可以不用管。
用 requests庫(kù)可輕松獲取結(jié)果（需加上 headers）：
response = requests.get(url, headers=headers,timeout=5)
04 解析數(shù)據(jù)
返回的數(shù)據(jù)是 JSON格式，用 pandas 轉(zhuǎn)成 DataFrame 格式，方便后續(xù)處理：
data = response.json()# 獲取列名即每項(xiàng)投球數(shù)據(jù)的意思headers = data"resultSets"["headers"]# 獲取投球的相關(guān)數(shù)據(jù)shots = data"resultSets"["rowSet"]# 轉(zhuǎn) DataFrameshot_df = pd.DataFrame(shots, columns=headers)
我們關(guān)心的數(shù)據(jù)就是 LOC_X、LOC_Y（出手位置）和 SHOT_MADE_FLAG（是否投中）這三列。
05 繪制投籃點(diǎn)
使用 matplotlib庫(kù)的散點(diǎn)圖繪制 scatter 方法就可以把投籃點(diǎn)畫(huà)出來(lái)，這個(gè)我們之前的各種案例里也用過(guò)不少次了：
made = shot_df[shot_df["SHOT_MADE_FLAG"]==1]miss = shot_df[shot_df["SHOT_MADE_FLAG"]==0]plt.scatter(miss.LOC_X, miss.LOC_Y, color="r", marker=".", alpha=0.3)plt.scatter(made.LOC_X, made.LOC_Y, color="b", marker=".", alpha=0.3)
我們通過(guò)參數(shù)設(shè)定點(diǎn)的大小和透明度，讓顯示更清楚。
06 繪制球場(chǎng)
投籃點(diǎn)畫(huà)出來(lái)了，不過(guò)只是這樣不夠直觀。我們?cè)賮?lái)加個(gè)球場(chǎng)的圖。
這個(gè)是通過(guò) matplotlib里的 Circle、Rectangle、Arc 等方法拼出來(lái)的，沒(méi)啥特別的技術(shù)，但代碼比較繁瑣，這邊就不貼了。（只要你愿意，甚至可以用它畫(huà)出小豬佩奇）
07 添加頭像
最后，再給數(shù)據(jù)圖加上一個(gè)頭像，讓它看起來(lái)更完整。頭像地址：
https://stats.nba.com/media/p...://ak-static.cms.nba.com/wp-content/uploads/headshots/nba/latest/260x190/202391.png
文件名依然是球員的 ID，但這個(gè)地址并不是對(duì)所有球員有效，可做下異常處理。
pic = urllib.request.urlretrieve("http://stats.nba.com/media/players/230x185/202391.png")# imread 讀取的圖像可以被 matplotlib 繪制head_pic = plt.imread(pic[0])# 將球員圖片放置于右上角，并設(shè)置縮小等級(jí)以配合整個(gè)圖片img = OffsetImage(head_pic, zoom=0.6)# (x, y) 控制將球員放在你想要放的位置img.set_offset((540,640))# 添加球員圖片fig.gca().add_artist(img)
如果在你的電腦上位置不對(duì)，記得修改下 offset的值（不同系統(tǒng)，甚至不同編譯器都可能存在差異）。
最終效果：
獲取更多精彩內(nèi)容和專業(yè)幫助，可前往：CDA數(shù)據(jù)分析研究院-12年數(shù)據(jù)科學(xué)教育品牌-引領(lǐng)人工智能新視界
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/45187.html
摘要：如果在元素內(nèi)點(diǎn)擊文本，就會(huì)觸發(fā)，瀏覽器會(huì)自動(dòng)將焦點(diǎn)轉(zhuǎn)到和標(biāo)簽相關(guān)的表單控件上。在用戶使用具體某種方式加入付費(fèi)會(huì)員時(shí)，須閱讀并確認(rèn)相關(guān)的用戶協(xié)議和使用方法。在之前，主要提供兩種元素來(lái)進(jìn)行多媒體的展示，一個(gè)是標(biāo)簽，另一個(gè)是標(biāo)簽。 HTML Hyper Text Markup Language，超文本標(biāo)記語(yǔ)言，不是一種編程語(yǔ)言，而是一種標(biāo)記語(yǔ)言 思想：網(wǎng)頁(yè)中有很多數(shù)據(jù)，不同的數(shù)據(jù)可能需要不同...
摘要：本文意在創(chuàng)建一個(gè)得分圖，該圖同時(shí)描繪了從場(chǎng)上不同位置投籃得分的百分比和投籃次數(shù)，這和個(gè)人網(wǎng)站上的帖子類似。接下來(lái)，我們需要繪制一個(gè)包含得分圖的籃球場(chǎng)圖。球員照片會(huì)出現(xiàn)在得分圖的右下角。的解決辦法是將命中率與聯(lián)賽平均分關(guān)聯(lián)。 本文意在創(chuàng)建一個(gè)得分圖，該圖同時(shí)描繪了從場(chǎng)上不同位置投籃得分的百分比和投籃次數(shù)，這和 Austin Clemen 個(gè)人網(wǎng)站上的帖子 http://www.austi...
摘要：在本文中，我們將以的決策樹(shù)和隨機(jī)森林預(yù)測(cè)獲勝者。用決策樹(shù)和隨機(jī)森林預(yù)測(cè)獲勝者導(dǎo)入數(shù)據(jù)集并解析日期導(dǎo)入熊貓作為。這將幫助我們查看決策樹(shù)分類器的預(yù)測(cè)是否正確?；煜仃囷@示了我們決策樹(shù)的正確和不正確的分類。 showImg(https://segmentfault.com/img/bVbcr26?w=750&h=383); 在本文中，我們將以Scikit-learn的決策樹(shù)和隨機(jī)森林預(yù)測(cè)NB...
摘要：可預(yù)見(jiàn)的未來(lái)激情賽事已經(jīng)過(guò)半，阿里云視頻技術(shù)在本次世界杯中也成功落地，而這并不是結(jié)局，這是將視頻應(yīng)用于體育行業(yè)以及更多其他行業(yè)的開(kāi)端。 本屆世界杯互聯(lián)網(wǎng)直播的順利進(jìn)行，離不開(kāi)各大云計(jì)算廠商的支持。在這其中，阿里云是當(dāng)之無(wú)愧的C位，除了優(yōu)酷外，阿里云還支撐了CNTV、CCTV5客戶端，為全網(wǎng)70%的世界杯直播流量保駕護(hù)航。 對(duì)于世界杯這種超大觀看量級(jí)、超強(qiáng)影響力的重要體育賽事，阿里云一直...
閱讀 788·2023-04-25 17:54
閱讀 3007·2021-11-18 10:02
閱讀 1161·2021-09-28 09:35
閱讀 688·2021-09-22 15:18
閱讀 2889·2021-09-03 10:49
閱讀 3085·2021-08-10 09:42
閱讀 2605·2019-08-29 16:24
閱讀 1281·2019-08-29 15:08
