數據來源：https://www.kaggle.com/c/kobe-bryant-shot-selection/data
參考:https://blog.csdn.net/qq_41888542/article/details/80390900
1.導包
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from pylab import mpl
2.讀取文件
#設置字體 mpl.rcParams['font.sans-serif'] = ['SimHei'] #讀取csv文件 data=pd.read_csv("data.csv") #輸出前5條數據 print(data.head())
#將shot_made_flag為空的數據清除
new_data = data[data['shot_made_flag'].notnull()]
可以看到 文件中的數據是 [5 rows x 25 columns]
action_type 進攻方式（更具體）
combined_shot_type 進攻方式
game_event_id 比賽時間id
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 單節剩余時間（分鍾）
period 表示第幾節
playoffs 是否是季后賽
season 賽季
seconds_remaining 剩余時間（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 投籃范圍
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
3.數據可視化
先來看一看科比的投籃位置，可以很明顯的看到3分線
plt.figure(figsize=(10,20)) jumpshot = new_data[new_data['combined_shot_type']=='Jump Shot'] layup = new_data[new_data['combined_shot_type']=='Layup'] dunk = new_data[new_data['combined_shot_type']=='Dunk'] tipshot = new_data[new_data['combined_shot_type']=='Tip Shot'] hookshot = new_data[new_data['combined_shot_type']=='Hook Shot'] bankshot = new_data[new_data['combined_shot_type']=='Bank Shot'] plt.scatter(jumpshot.loc_x, jumpshot.loc_y, color='grey') plt.scatter(layup.loc_x, layup.loc_y, color='red') plt.scatter(dunk.loc_x, dunk.loc_y, color='yellow' ) plt.scatter(tipshot.loc_x, tipshot.loc_y, color='green') plt.scatter(hookshot.loc_x, hookshot.loc_y, color='black') plt.scatter(bankshot.loc_x, bankshot.loc_y, color='blue') label=['跳投','上籃','扣籃','補籃','勾手','擦板'] plt.legend(label,loc=7) plt.title('投籃位置')
再來看看科比的出手方式的次數，很明顯跳投最多
attack_method = new_data['combined_shot_type'].value_counts() a = np.array([1,2,3,4,5,6]) plt.bar(a,attack_method,align = 'center') plt.xlabel('進攻方式') plt.ylabel('進攻次數') plt.title('科比進攻方式') plt.grid(linestyle = '--',linewidth = 1) plt.ylim(0,20000) plt.xticks(a,('跳投','上籃','扣籃','補籃','勾手','擦板')) plt.show()
投籃命中率上，扣籃無疑是命中率最高的
shooting = new_data[new_data['shot_made_flag']==1]['combined_shot_type'].value_counts() list1 = attack_method.tolist() list2 = shooting.tolist() list3 = attack_method.tolist() for i in range(len(list1)): list3[i]=list2[i]/list1[i] hits_df=pd.Series(list3); a = np.array([1,2,3,4,5,6]) plt.bar(a,hits_df,align = 'center') plt.ylabel('命中率',fontsize=20) plt.title('科比各種投籃方式命中率',fontsize=20) plt.xticks(a,('跳投','上籃','扣籃','補籃','勾手','擦板'),fontsize=20) plt.show()
從投籃距離上看，科比大多數是在中距離出手
area = new_data['shot_zone_basic'].value_counts() b = np.array([0,1,2,3,4,5,6]) plt.barh(b,area,align ='center') plt.yticks(b,('中距離','進攻有理區','底線之外的三分','除進攻有理區外的禁區','右邊底線三分','左邊底線三分','后場')) plt.xlabel('投籃次數',fontsize=20) plt.title('科比在各區域投籃',fontsize=20) plt.tight_layout()# 緊湊顯示圖片，居中顯示 plt.show()
科比在每一節的出手次數，其中第三節最多，第一節次之，因為5,6,7節都是加時賽，自然少很多
shot_number = new_data['period'].value_counts().sort_index() shot_hit = new_data[new_data['shot_made_flag']==1]['period'].value_counts().sort_index() plt.bar(shot_number.index,shot_number,align='center') plt.ylabel('出手次數',fontsize=20) plt.xlabel('節數',fontsize=20) plt.show()
每一節投籃命中率 可以看出科比的投籃命中率在第四節最低，可以見得體力對科比投籃命中率也是有些影響的
list1 = shot_number.tolist() list2 = shot_hit.tolist() for i in range(len(list1)): list2[i]=list2[i]/list1[i] shot_hit=pd.Series(list2) c = np.array([1,2,3,4,5,6,7]) plt.bar(c,shot_hit,align = 'center') plt.ylabel('命中率',fontsize=20) plt.title('節數',fontsize=20) plt.xticks(c) plt.show()
科比在13-14賽季僅出場6次，從下圖可以清楚的看到
f, axarr = plt.subplots(8, figsize=(15, 25))
sns.countplot(x="combined_shot_type", hue="shot_made_flag", data=new_data, ax=axarr[0])
sns.countplot(x="season", hue="shot_made_flag", data=new_data, ax=axarr[1])
sns.countplot(x="period", hue="shot_made_flag", data=new_data, ax=axarr[2])
sns.countplot(x="playoffs", hue="shot_made_flag", data=new_data, ax=axarr[3])
sns.countplot(x="shot_type", hue="shot_made_flag", data=new_data, ax=axarr[4])
sns.countplot(x="shot_zone_area", hue="shot_made_flag", data=new_data, ax=axarr[5])
sns.countplot(x="shot_zone_basic", hue="shot_made_flag", data=new_data, ax=axarr[6])
sns.countplot(x="shot_zone_range", hue="shot_made_flag", data=new_data, ax=axarr[7])
axarr[0].set_title('投籃方式',fontsize=20)
axarr[1].set_title('生涯',fontsize=20)
axarr[2].set_title('不同節數的投籃',fontsize=20)
axarr[3].set_title('賽季',fontsize=20)
axarr[4].set_title('投籃類型',fontsize=20)
axarr[5].set_title('投籃區域',fontsize=20)
axarr[6].set_title('距離划分投籃區域',fontsize=20)
axarr[7].set_title('投籃距離',fontsize=20)
plt.tight_layout()
plt.show()
0.0為投丟 1.0為投中
