摘要:本文意在創建一個得分圖,該圖同時描繪了從場上不同位置投籃得分的百分比和投籃次數,這和個人網站上的帖子類似。接下來,我們需要繪制一個包含得分圖的籃球場圖。球員照片會出現在得分圖的右下角。的解決辦法是將命中率與聯賽平均分關聯。
本文意在創建一個得分圖,該圖同時描繪了從場上不同位置投籃得分的百分比和投籃次數,這和 Austin Clemen 個人網站上的帖子 http://www.austinclemens.com/shotcharts/ 類似 。
為了實現這個得分圖,筆者參考了 Savvas Tjortjoglou 的帖子 http://savvastjortjoglou.com/nba-shot-sharts.html。這篇帖子很棒,但是他只描述了從不同位置投籃的次數。而筆者對在不同位置的投籃次數和進球百分比都很感興趣,所以還需要進一步的工作,在原有基礎上添加些東西,下面是實現過程。
#import some libraries and tell ipython we want inline figures rather than interactive figures. %matplotlib inline import matplotlib.pyplot as plt, pandas as pd, numpy as np, matplotlib as mpl
首先,我們需要獲得每個球員的投籃數據。利用 Savvas Tjortjoglou 貼出的代碼,筆者從 NBA.com 網站 API 上獲取了數據。在此不會貼出這個函數的結果。如果你感興趣,推薦你去看看 Savvas Tjortjoglou 的博客。
def aqcuire_shootingData(PlayerID,Season): import requests shot_chart_url = "http://stats.nba.com/stats/shotchartdetail?CFID=33&CFPARAMS="+Season+"&ContextFilter=" "&ContextMeasure=FGA&DateFrom=&DateTo=&GameID=&GameSegment=&LastNGames=0&LeagueID=" "00&Location=&MeasureType=Base&Month=0&OpponentTeamID=0&Outcome=&PaceAdjust=" "N&PerMode=PerGame&Period=0&PlayerID="+PlayerID+"&PlusMinus=N&Position=&Rank=" "N&RookieYear=&Season="+Season+"&SeasonSegment=&SeasonType=Regular+Season&TeamID=" "0&VsConference=&VsDivision=&mode=Advanced&showDetails=0&showShots=1&showZones=0" response = requests.get(shot_chart_url) headers = response.json()["resultSets"][0]["headers"] shots = response.json()["resultSets"][0]["rowSet"] shot_df = pd.DataFrame(shots, columns=headers) return shot_df
接下來,我們需要繪制一個包含得分圖的籃球場圖。該籃球場圖例必須使用與NBA.com API 相同的坐標系統。例如,3分位置的投籃距籃筐必須為 X 單位,上籃距離籃筐則是 Y 單位。同樣,筆者再次使用了 Savvas Tjortjoglou 的代碼(哈哈,否則的話,搞明白 NBA.com 網站的坐標系統肯定會耗費不少的時間)。
def draw_court(ax=None, color="black", lw=2, outer_lines=False): from matplotlib.patches import Circle, Rectangle, Arc if ax is None: ax = plt.gca() hoop = Circle((0, 0), radius=7.5, linewidth=lw, color=color, fill=False) backboard = Rectangle((-30, -7.5), 60, -1, linewidth=lw, color=color) outer_box = Rectangle((-80, -47.5), 160, 190, linewidth=lw, color=color, fill=False) inner_box = Rectangle((-60, -47.5), 120, 190, linewidth=lw, color=color, fill=False) top_free_throw = Arc((0, 142.5), 120, 120, theta1=0, theta2=180, linewidth=lw, color=color, fill=False) bottom_free_throw = Arc((0, 142.5), 120, 120, theta1=180, theta2=0, linewidth=lw, color=color, linestyle="dashed") restricted = Arc((0, 0), 80, 80, theta1=0, theta2=180, linewidth=lw, color=color) corner_three_a = Rectangle((-220, -47.5), 0, 140, linewidth=lw, color=color) corner_three_b = Rectangle((220, -47.5), 0, 140, linewidth=lw, color=color) three_arc = Arc((0, 0), 475, 475, theta1=22, theta2=158, linewidth=lw, color=color) center_outer_arc = Arc((0, 422.5), 120, 120, theta1=180, theta2=0, linewidth=lw, color=color) center_inner_arc = Arc((0, 422.5), 40, 40, theta1=180, theta2=0, linewidth=lw, color=color) court_elements = [hoop, backboard, outer_box, inner_box, top_free_throw, bottom_free_throw, restricted, corner_three_a, corner_three_b, three_arc, center_outer_arc, center_inner_arc] if outer_lines: outer_lines = Rectangle((-250, -47.5), 500, 470, linewidth=lw, color=color, fill=False) court_elements.append(outer_lines) for element in court_elements: ax.add_patch(element) ax.set_xticklabels([]) ax.set_yticklabels([]) ax.set_xticks([]) ax.set_yticks([]) return ax
我想創造一個不同位置的投籃百分比數組,因此決定利用 matplot 的 Hexbin 函數 http://matplotlib.org/api/pyplot_api.html 將投籃位置均勻地分組到六邊形中。該函數會對每個六邊形中每一個位置的投籃次數進行計數。
六邊形是均勻的分布在 XY 網格中。「gridsize」變量控制六邊形的數目。「extent」變量控制第一個和最后一個六邊形的繪制位置(一般來說第一個六邊形的位置基于第一個投籃的位置)。
計算命中率則需要對每個六邊形中投籃的次數和投籃得分次數進行計數,因此筆者對同一位置的投籃和得分數分別運行 hexbin 函數。然后,只需用每個位置的進球數除以投籃數。
def find_shootingPcts(shot_df, gridNum): x = shot_df.LOC_X[shot_df["LOC_Y"]<425.1] #i want to make sure to only include shots I can draw y = shot_df.LOC_Y[shot_df["LOC_Y"]<425.1] x_made = shot_df.LOC_X[(shot_df["SHOT_MADE_FLAG"]==1) & (shot_df["LOC_Y"]<425.1)] y_made = shot_df.LOC_Y[(shot_df["SHOT_MADE_FLAG"]==1) & (shot_df["LOC_Y"]<425.1)] #compute number of shots made and taken from each hexbin location hb_shot = plt.hexbin(x, y, gridsize=gridNum, extent=(-250,250,425,-50)); plt.close() #don"t want to show this figure! hb_made = plt.hexbin(x_made, y_made, gridsize=gridNum, extent=(-250,250,425,-50),cmap=plt.cm.Reds); plt.close() #compute shooting percentage ShootingPctLocs = hb_made.get_array() / hb_shot.get_array() ShootingPctLocs[np.isnan(ShootingPctLocs)] = 0 #makes 0/0s=0 return (ShootingPctLocs, hb_shot)
筆者非常喜歡 Savvas Tjortjoglou 在他的得分圖中加入了球員頭像的做法,因此也順道用了他的這部分代碼。球員照片會出現在得分圖的右下角。
def acquire_playerPic(PlayerID, zoom, offset=(250,400)): from matplotlib import offsetbox as osb import urllib pic = urllib.urlretrieve("http://stats.nba.com/media/players/230x185/"+PlayerID+".png",PlayerID+".png") player_pic = plt.imread(pic[0]) img = osb.OffsetImage(player_pic, zoom) #img.set_offset(offset) img = osb.AnnotationBbox(img, offset,xycoords="data",pad=0.0, box_alignment=(1,0), frameon=False) return img
筆者想用連續的顏色圖來描述投籃進球百分比,紅圈越多代表著更高的進球百分比。雖然「紅」顏色圖示效果不錯,但是它會將0%的投籃進球百分比顯示為白色http://matplotlib.org/users/colormaps.html,而這樣顯示就會不明顯,所以筆者用淡粉紅色代表0%的命中率,因此對紅顏色圖做了下面的修改。
#cmap = plt.cm.Reds #cdict = cmap._segmentdata cdict = { "blue": [(0.0, 0.6313725709915161, 0.6313725709915161), (0.25, 0.4470588266849518, 0.4470588266849518), (0.5, 0.29019609093666077, 0.29019609093666077), (0.75, 0.11372549086809158, 0.11372549086809158), (1.0, 0.05098039284348488, 0.05098039284348488)], "green": [(0.0, 0.7333333492279053, 0.7333333492279053), (0.25, 0.572549045085907, 0.572549045085907), (0.5, 0.4156862795352936, 0.4156862795352936), (0.75, 0.0941176488995552, 0.0941176488995552), (1.0, 0.0, 0.0)], "red": [(0.0, 0.9882352948188782, 0.9882352948188782), (0.25, 0.9882352948188782, 0.9882352948188782), (0.5, 0.9843137264251709, 0.9843137264251709), (0.75, 0.7960784435272217, 0.7960784435272217), (1.0, 0.40392157435417175, 0.40392157435417175)] } mymap = mpl.colors.LinearSegmentedColormap("my_colormap", cdict, 1024)
好了,現在需要做的就是將它們合并到一塊兒。下面所示的較大函數會利用上文描述的函數來創建一個描述投籃命中率的得分圖,百分比由紅圈表示(紅色越深 = 更高的命中率),投籃次數則由圓圈的大小決定(圓圈越大 = 投籃次數越多)。需要注意的是,圓圈在交疊之前都能增大。一旦圓圈開始交疊,就無法繼續增大。
在這個函數中,計算了每個位置的投籃進球百分比和投籃次數。然后畫出在該位置投籃的次數(圓圈大小)和進球百分比(圓圈顏色深淺)。
def shooting_plot(shot_df, plot_size=(12,8),gridNum=30): from matplotlib.patches import Circle x = shot_df.LOC_X[shot_df["LOC_Y"]<425.1] y = shot_df.LOC_Y[shot_df["LOC_Y"]<425.1] #compute shooting percentage and # of shots (ShootingPctLocs, shotNumber) = find_shootingPcts(shot_df, gridNum) #draw figure and court fig = plt.figure(figsize=plot_size)#(12,7) cmap = mymap #my modified colormap ax = plt.axes([0.1, 0.1, 0.8, 0.8]) #where to place the plot within the figure draw_court(outer_lines=False) plt.xlim(-250,250) plt.ylim(400, -25) #draw player image zoom = np.float(plot_size[0])/(12.0*2) #how much to zoom the player"s pic. I have this hackily dependent on figure size img = acquire_playerPic(PlayerID, zoom) ax.add_artist(img) #draw circles for i, shots in enumerate(ShootingPctLocs): restricted = Circle(shotNumber.get_offsets()[i], radius=shotNumber.get_array()[i], color=cmap(shots),alpha=0.8, fill=True) if restricted.radius > 240/gridNum: restricted.radius=240/gridNum ax.add_patch(restricted) #draw color bar ax2 = fig.add_axes([0.92, 0.1, 0.02, 0.8]) cb = mpl.colorbar.ColorbarBase(ax2,cmap=cmap, orientation="vertical") cb.set_label("Shooting %") cb.set_ticks([0.0, 0.25, 0.5, 0.75, 1.0]) cb.set_ticklabels(["0%","25%", "50%","75%", "100%"]) plt.show() return ax
好了,大功告成!因為筆者是森林狼隊的粉絲,在下面用幾分鐘跑出了森林狼隊前六甲的得分圖。
PlayerID = "203952" #andrew wiggins shot_df = aqcuire_shootingData(PlayerID,"2015-16") ax = shooting_plot(shot_df, plot_size=(12,8));
PlayerID = "1626157" #karl anthony towns shot_df = aqcuire_shootingData(PlayerID,"2015-16") ax = shooting_plot(shot_df, plot_size=(12,8));
PlayerID = "203897" #zach lavine shot_df = aqcuire_shootingData(PlayerID,"2015-16") ax = shooting_plot(shot_df, plot_size=(12,8));
PlayerID = "203476" #gorgui deing shot_df = aqcuire_shootingData(PlayerID,"2015-16") ax = shooting_plot(shot_df, plot_size=(12,8));
PlayerID = "2755" #kevin martin shot_df = aqcuire_shootingData(PlayerID,"2015-16") ax = shooting_plot(shot_df, plot_size=(12,8));
PlayerID = "201937" #ricky rubio shot_df = aqcuire_shootingData(PlayerID,"2015-16") ax = shooting_plot(shot_df, plot_size=(12,8));
使用 hexbin 函數也是有隱患的,第一它并沒有解釋由于三分線而導致的非線性特性(一些 hexbin 函數同時包括了2分和3分的投籃)。它很好的限定了一些窗口來進行3分投籃,但如果沒有這個位置的硬編碼就沒有辦法做到這一點。此外 hexbin 方法的一個優點與是可以很容易地改變窗口的數量,但不確定是否可以同樣靈活的處理2分投籃和3分投籃。
另外一個隱患在于此圖將所有投籃都一視同仁,這相當不公平。在禁區投籃命中40%和三分線后的投籃命中40%可是大不相同。Austin Clemens 的解決辦法是將命中率與聯賽平均分關聯。也許過幾天筆者也會實現與之類似的功能。
原文 Creating NBA Shot Charts 作者 Dan Vatterott ,本文由 OneAPM 工程師編譯整理。
OneAPM 能夠幫你查看 Python 應用程序的方方面面,不僅能夠監控終端的用戶體驗,還能監控服務器性能,同時還支持追蹤數據庫、第三方 API 和 Web 服務器的各種問題。想閱讀更多技術文章,請訪問 OneAPM 官方技術博客。
本文轉自 OneAPM 官方博客
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/37726.html
摘要:作為一個正奮戰在之路上的球迷,開始了一次數據分析實戰,于是,以分析球賽數據為起點的操作開始了前言作為一個功能強大的編程語言,如今在數據分析機器學習人工智能等方面如日中天。 Casey 豈安業務風險分析師主要負責豈安科技RED.Q的數據分析和運營工作。 12月19日,科比再次站在斯臺普斯中心球館中央,見證自己的兩件球衣高懸于球館上空。作為一個正奮戰在 Python 之路上的球迷,...
小編寫這篇文章的主要目的,主要是用來給大家做出一個解答,解答關于Scrapy框架的事情,主要是使用Scrapy框架,爬取網頁,然后保存到一個專業數據庫中,這個數據庫就是Mysql,那么,其具體要怎么實現呢?下面就給大家詳細的解答。 大家好,這一期阿彬給大家分享Scrapy爬蟲框架與本地Mysql的使用。今天阿彬爬取的網頁是虎撲體育網。 (1)打開虎撲體育網,分析一下網頁的數據,使用xpat...
摘要:近日各隊紛紛發布季前賽賽程,迎接新賽季。實際上,數據分析團隊對于現在的球隊已經算是標配了,無論是在球員選擇還是戰術制定上都起著重要的作用。于是,我們就借助官方數據和的繪圖函數,來看一看不同的球員都是在什么位置出手投籃的。比如林書豪就是。 showImg(https://segmentfault.com/img/remote/1460000019790849); 作者 | Crossin...
摘要:在本文中,我們將以的決策樹和隨機森林預測獲勝者。用決策樹和隨機森林預測獲勝者導入數據集并解析日期導入熊貓作為。這將幫助我們查看決策樹分類器的預測是否正確。混淆矩陣顯示了我們決策樹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的決策樹和隨機森林預測NB...
閱讀 540·2021-08-31 09:45
閱讀 1647·2021-08-11 11:19
閱讀 883·2019-08-30 15:55
閱讀 821·2019-08-30 10:52
閱讀 2845·2019-08-29 13:11
閱讀 2924·2019-08-23 17:08
閱讀 2833·2019-08-23 15:11
閱讀 3066·2019-08-23 14:33