我用数据分析，揭开了中国男篮最后的遮羞布
美国队只排第七，真的是验证了科比的那句：“美国队，别以为你稳了”。
其中，那个发球失误不禁让我想起了10天前周琦的发球失误，简直一模一样...（一声叹息）
接着我又想起了中国男篮对尼利日亚生死战的一幕：距离比赛结束还有2分57秒，易建联不顾脚伤在人缝中抢下后场篮板球，想要传球时却发现身边并没有队友支援，三名尼日利亚选手将他团团围住抢断，然后转身一记暴扣。
易建联无奈的向队友摊开双手，随后悲愤的俯身手拍地板，这一幕像极了13年总决赛的邓肯，充满着愤怒、不甘和无奈。
最终中国队以73:86输给了尼日利亚，失去东京奥运会直通资格，将这场比赛当作生涯最后一场比赛来打的阿联，那如山却孤独的背影，定格在历史深处。
在未能取得东京奥运会入场券的时候，只能寄望于之后参加奥运资格赛。但在和强队如林的世界列强之争当中想要脱颖而出的难度，远比本届男篮世界杯要高，因此这一次的失败对于中国队而言是相当严重的打击。那么，我们的中国男篮究竟有多糟，问题出在哪里？
口说无凭，小编为此爬取了男篮和CBA的相关数据，意在从数据的角度看看球员的表现。
注：本文数据来源为新浪体育，所使用的爬虫工具为Python，分析工具为国产数据分析软件FineBI。
Python就不提了，网络爬虫必备的技能之一，这里简单讲一下分析工具的选择。小编平时的需求：数据处理+可视化分析，之前一直用Python的NumPy+Matplotlib库进行数据处理与可视化，费时费力不说，由于Python的上手难度较高，公司里的其他同事学起来也比较困难。在年初的时候，友人推荐了FineBI这款分析软件，可以轻松加载数据库、Excel等数据源。在可视化UI界面之上，只需拖拽就可完成可视化分析。更良心的是，FineBI目前针对个人用户是完全免费的。
繁杂的代码VS轻松的拖放式页面
想要分析球员的表现，只靠得分、篮板、助攻显然是不够的。应该综合衡量各项指标，为此小编爬取了每场篮球比赛的时间、得分、篮板、助攻、投篮、三分、罚球、抢断、盖帽、失误和犯规等多维度的数据：
NBA种，计算球员表现有两项指标：正负值与效率值，这里小编也借用NBA的分析规则，先来简单讲解一下：
正负值
正负值是代表球员在上场时间内，球队整体比分的输赢情况。这个概念比较简单，通俗来说，就是一名球员上场后，球队赢球还是输球，赢了多少，输了多少。比如A球员，一场比赛共计出场3次，第一次上场的时间球队赢了8分，第二次上场的时间球队输了5分，第三次不赢不输。那么该球员的正负值就是8-5=+3。
正负值代表了一个球员对于球队胜利的贡献，这样来看，不仅牵扯到得分，还有助攻、防守也会影响一个球员的正负值，可以说非常全面。
效率值
效率值则是将一名球员球场表现的折算成为一个可以进行比较的数字，保障了不同位置的球员都可以在一个通过换算后的同一起跑线上进行比较。
效率值的计算公式为：[(得分+篮板+助攻+抢断+封盖)-(出手次数-命中次数)-(罚球次数-罚球命中次数)-失误次数]/球员上场比赛的场次。这个依据的得出，可以综合判断球员良性表现，并且参照球员的球场不良表现，接着根据球员出场的次数来得出单场平均的效率表现。
我们将爬取到的数据（Export成Excel文件格式），加载进FineBI中。
中国队世界杯表现分析
通过点击添加表，选择Excel数据，即可将数据加载进来
至今为止中国队在男篮世界杯当中打了5场比赛，罚球命中率为64.8%，排名世界杯垫底。事实上这还是得益于中国队在打尼日利亚队时20罚14中的数据做了下整体的提升，否则中国队的数据更加惨淡。
在前4场比赛的较量当中，中国队的罚球命中率是63.5%。
63.5%的罚球命中率是个什么概念？火箭队中锋卡佩拉在2018-19赛季的时候将自己的罚球命中率提升到了63.6%，但是这依然让他成为许多对手进行犯规战术的对象。虽然“饼皇”职业生涯（52.5%）的罚球命中率并不比沙奎尔-奥尼尔和德怀特-霍华德号多少，但是63.6%依然是被砍的对象，这足以证明这种情况已经糟糕到无以复加了。
而中国队在前4场比赛当中全队的罚球命中率，并不比卡佩拉在上个赛季好，这个就很尴尬了，身体素质是天生的，投篮难道不可以练吗？
在FineBI中，我们可以通过不同的排序字段，来查看不同数据的排序结果。
接下来看看三分球命中率方面，中国队5场比赛下来只有26.2%，排名世界杯倒数第四位。作为一个没有锋线的阵容，男篮一直都在打的是2内线+3后卫的组合，就这个排兵布阵而言，其实是模仿NBA的死亡五小组合和一大四小阵容，希望能够通过多个后卫的组合可以更好的控球，把球交给内线球员处理。
但真正的小个子阵容，往往是建立在拥有出色三分能力的基础之上的，但是中国队的一大票后卫各种各样糟糕的三分球有些惨不忍睹。
如郭艾伦这种在亚洲级别的比赛里，是突破能力极强的后卫，放在世界级赛场之上时根本就扛不动对手，而在外线的各种投射又是打铁不断，传球的时候失误又高，如此的后卫中国队不止一个。这样哪怕是易建联如何封神，却也无法填补这个大窟窿。当尼日利亚放肆地用三个人，甚至是四、五个人全面包夹易建联的时候，中国后卫在外线的投篮问题的确让人着急。
球员个人数据分析
中国队虽然有高达内线，但是糟糕的卡位导致篮板球总是被对方的后卫掏走，就可以看得到中国队的后卫在拼抢篮板的时候没有任何卡位意识。在比赛期间可以看到的是，很多中国后卫在看到球出手之后第一时间就是回撤，总想着把篮板球交给内线球员处理。当全队只有两个人抢板，甚至只有易建联一个人（比如易建联飘在三分线外的时候）抢篮板的时候，又如何跟对方全队四五个人抢板相比？
因为糟糕的篮板球，和全队多达场均14.4次的失误，导致中国队的出手数只有60次，在世界杯排名倒数第六位。
让我们来看看中国队球员的个人数据：
由于效率值均需要在原始数据之上进行一定的计算，因此我们使用FineBI的自助数据集功能，进行数据的处理：
效率值=[(得分+篮板+助攻+抢断+封盖)-(出手次数-命中次数)-(罚球次数-罚球命中次数)-失误次数]/球员上场比赛的场次
在数据处理结束后，进行自助数据集的更新。更新完成，使用该自助数据集创建一个可视化分析组件：
通过拖拽，将“球员姓名”字段拖入横轴，”正负值“指标拖入纵轴，并更改图表类型为柱状图，下图就是这5场比赛中，中国球员的正负值排名。郭艾伦最高，方硕最低。而可兰白克则最为可惜，此次国家队因为各种原因造成内线的实力不足，没有球员能在内线占到便宜，但是就是这样的形势下，李楠竟然放任从新疆队抽调过来的尖峰球员可兰坐在场下看了有五天的时间。此次世界杯下来最令网友心疼的就是可兰白克，场上一秒钟的时间都没有给他，也不禁被网友调侃是在世界杯场下烤羊肉串的可兰白克。
其实光看场上局面来看，郭艾伦、周琦、王哲林这些人打的并不好，这三位也是被球迷喷的最多的，所以有些东西确实不是数据所能体现的。
中国队最后一场对尼日利亚输分最多，而方硕最后一场上场时间也是最多的（37分钟），所以虽然他最后一场状态不错得分不少，但中国队失分太多也造成了这场他的正负值是-17，从而拉低了总的正负值。不过篮球是团队运动，光凭正负值来评价一个球员显然并不全面。接下来我们用一个综合指标：效率值，具体的计算方法不再赘述。
阿联、周琦、王哲林总体表现不错，阿布、任俊飞、可兰白克由于没怎么上场，从效率值来看基本为0。
接下来利用波士顿矩阵图，对每一场的球员表现进行分析。其中横轴为正负值，纵轴为效率值，气泡大小则表示上场时间。通过四象限图可以清晰的看出每场比赛发挥优秀的人和拖后腿的人
处在右上角的，为正负值、效率值均优秀的球员，而左下角的则为发挥一半的球员。
从5场比赛总体来看，可以看到阿联、郭艾伦、周琦为球队提供了较高的价值，而孙铭徽、赵睿、阿布则正负值、效率值都低于平均水准。其中阿联、周琦、赵睿为上场时间最多的top3球员。
通过FineBI的Olap联机分析功能，与过滤组件，使得我们可以动态查看每一场比赛的球员信息：
可以看到，即使阿联在多场比赛中都发挥神勇，但对阵委内瑞拉等对手的关键比赛中，全队的发挥都难称亮眼。
真实的东西，总是让人疼痛
那一夜，中国篮球倒退了10年。
如果要论当今男篮和前辈的差距，那么天赋固然是其一，但最大的问题恐怕还是出现在态度方面。在90年代和21世纪初的CBA篮球，基本功是非常重要的一项训练，哪怕是内线球员都要苦练罚球，能投三分球的都要扎实地去干好这些事情。
看看王治郅那鬼魅的三分球，看看在NBA的火箭队当中遇到技术犯规的时候，是姚明站在罚球线上的，看看朱芳雨、王仕鹏这些精准的三分射手，所有的这些都足以看到这些前辈们的基本功所在。
08年北京奥运会，姚明才做完手术四个月，为了在家门口赢球可谓是堵上了一切。
易建联在飞机上都是在看比赛录像，而别的球员都在看综艺节目。
然而看到周琦在场上梦游的走位，低级的失误，看到郭艾伦盲目的运球并且投不进也传不出去，看到中国男篮大批的后卫空位三分不进，所有的这些与其说是基本功差，不如说他们的身上没有那种对胜利的追求和渴望。
数据也可以显示，在世界杯中，中国队无论是出手数，还是命中率均在平均水准以下。如果说命中率是技不如人，但出手数垫底真的体现出态度的问题了。（横轴命中率，纵轴出手数，大小按照排名，排名越大的面积越大）
中国男篮的这些球员，我希望你们记住今夜的疼痛，无论你在联赛里多么出色，球迷有多喜欢你，媒体有多吹捧你，在世界大赛上，你可能连一个球都进不了，你可能连一分都得不了，停止你的骄傲，把头低下不断努力，让这疼痛成为鞭策你们进步的动力。
爱之深，责之切。
历史的车轮总是滚滚向前，但历史不是一直直线前进，历史总是前进两步，再后退一步；有时候前进两步，会后退三步，再继续向前。
我们总会向前，但无缘奥运会的那天晚上，我们就站在后退的脚印上。
我用数据分析，揭开了中国男篮最后的遮羞布相关推荐
- java中国男篮动态网站设计与制作
java/jsp mysql中国男篮 JSP中国男篮博客动态网站作业使用的是JSP+mySQL技术,使用了Myeclips开发工具,核心语言使用的是JAVA,逻辑处理与数据处理分离,使用了Servle ...
- 中国男篮，90’到00’
2005年3月1日10:24:04 80年代的中国男篮看得不多,那个时候也不懂篮球,就从很古老的<篮球>杂志上知道了些事情,那个时候的中国队应该算真正的亚洲梦之队,亚洲最佳二中锋张斌.最佳 ...
- JMP Discovery Summit数据分析峰会登陆中国
ZDNET至顶网CIO与应用频道 03月27日 北京消息:JMP数据分析峰会(JMP Discovery Summit)是SAS公司在数据分析领域的顶级数据分析会议之一,终于来到中国!我们诚挚地邀请您 ...
- 数据分析~案例：中国五大城市PM2.5数据分析
config.py import os # 指定数据集路径dataset_path='./data' # 结果保存路径output_path='./output' if not os.path.exi ...
- 大数据分析，在中国，找个身高1米7年入20万的老公，到底有多难？
作者:正解局 转载自:正解局(微信ID:zhengjieclub) 在中国,女性想找到适龄男性,把标准"降低"到年收入20万,身高170厘米,就已经几乎是"百里挑一&qu ...
- 看看某网友是如何骂中国男篮的
首先声明,这些话不是我说的,摘自网易体育评论... 本届男烂锦标赛中国烂球队的表现,我在此做个基本总结--- "这只是惨死前的回光返照!!! " "中国烂球队信誓旦旦地扬 ...
- 数据分析---2.数据分析----分析NBA中国官方网站2017-2018赛季的球员数据
衣带渐宽终不悔,为伊消得人憔悴 上一篇文章说道了 爬取了NBA中国官方网站2017-2018赛季的球员数据保存了数据库和csv文件,今天要开始处理这些数据了. 先来看看数据内容,如下 "&q ...
- 【数据分析报告】中国上海电动汽车行驶和充电行为分析
数据 50辆纯电动汽车 (BEV) 和50辆混合动力汽车 (PHEV) 长达1年的跟踪数据,包含没分钟汽车的活动, 电池电量,行驶里程,位置信息等.但没有汽车使用者的信息. 工具和方法 Model 使 ...
- 为何控件删除不了_NBA开出800万合同，易建联为何却主动解约了？湖人太没诚意了...
NBA开出800万合同,易建联为何却主动解约了?湖人太没诚意了 16年巴西奥运会上中国男篮小组赛一场未赢,成绩惨不忍睹,易建联是中国男篮的唯一遮羞布.就是因为易建联在奥运会上出色的发挥,才被NBA湖人 ...
- Python数据分析入门笔记9——数据预处理案例综合练习（男篮女篮运动员）
系列文章目录 Python数据分析入门笔记1--学习前的准备 Python数据分析入门笔记2--pandas数据读取 Python数据分析入门笔记3--数据预处理之缺失值 Python数据分析入门笔记 ...
最新文章
- Successor,Fesible Successor,FD,AD,eigrp
- 解决System.Data.SqlClient.SqlException (0x80131904): Timeout 时间已到的问题
- 分享一个Vant Weapp小程序UI组件库
- excel文件修复工具_Windows商店上架文件恢复工具！仅8.29MB，纯净无捆绑，80%修复率...
- 正则表达式，VI,SED及shell编程2010-12-05
- VTK：网格之ClipClosedSurface
- Node.js小Httpserver
- 用java swing做连连看_java基于swing实现的连连看代码
- 开发之前需要哪些文档_为什么在开发之前总是应该做文档
- mysql导出逗号_Mysql导出逗号分隔的csv文件
- Ubuntu 16.04中iptables的工具简介（iptables/iptables-restore/iptables-xml/iptables-apply/iptables-save）...
- centos7安装google浏览器
- Intellij IDEA 设置字体加粗
- m3u8在线播放工具 以及 开源播放方案
- 技术是如何创造价值的
- ubuntu下vscode配置终端生成任务以及管理员模式运行
- UVALive 5135 Mining Your Own Bussiness【tarjan点双】
- 什么是进程、线程、协程
- java课程（54G）2019全套学习视频免费分享
- 【BZOJ1226/SDOI2009】学校食堂Dining