科比,老大1000天
不知不觉,老大已经走了1000天了,正好这个星期的数据分析的课就是科比投篮可视化,让我一起来分享一下吧。
对照列表机翻,仅供参考
action_type 进攻方式(更具体)
combined_shot_type 进攻方式
game_event_id 比赛时间id
game_id 比赛ID
lat 投篮点
loc_x 投篮点
loc_y 投篮点
lon 投篮点
minutes_remaining 单节剩余时间(分钟)
period 表示第几节
playoffs 是否是季后赛
season 赛季
seconds_remaining 剩余时间(秒)
shot_distance 投篮距离
shot_made_flag 是否进球
shot_type 两分球或三分球
的【‘ 投篮区域
shot_zone_basic 投篮区域(更具体)
shot_zone_range 投篮范围
team_id 球队ID
team_name 球队名称
game_date 比赛日期
matchup 比赛双方
opponent 对手
shot_id 投篮ID
步骤1
导包:import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
步骤二:读取数据(使用PY,EXCEL皆可)
data1=pd.read_csv('./data.csv')
- 读取列出数据前5条
data1.head()
- 整理清洗数据(空值、异常值等)
d1=data1[data1['shot_made_flag'].notnull()]
步骤3:
- 数据可视化
参考下图绘制投篮位置散点图,加上图例标签
plt.figure(figsize=(15,30))
plt.scatter(data=f1, x='loc_x', y='loc_y')
plt.show()
还有一种是有颜色的
from turtle import color
plt.figure(figsize=(15,30))
bankshot=d1[d1['combined_shot_type']=='Bank Shot']
dunk=d1[d1['combined_shot_type']=='Dunk']
hookshot=d1[d1['combined_shot_type']=='Hook Shot']
jumpshot=d1[d1['combined_shot_type']=='Jump Shot']
layup=d1[d1['combined_shot_type']=='Layup']
tipshot=d1[d1['combined_shot_type']=='Tip Shot']
plt.scatter(bankshot.loc_x,bankshot.loc_y,color='grey')
plt.scatter(dunk.loc_x,dunk.loc_y,color='k')
plt.scatter(hookshot.loc_x,hookshot.loc_y,color='y')
plt.scatter(jumpshot.loc_x,jumpshot.loc_y,color='g')
plt.scatter(layup.loc_x,layup.loc_y,color='r')
plt.scatter(tipshot.loc_x,tipshot.loc_y,color='b')
plt.title('投篮位置')
c1=['跳投','上篮','扣篮','补篮','勾手','擦板']
plt.legend(c1)
plt.show()
这是matplotlib的方法还有一种seaborn的但是不好看
plt.figure(figsize=(40,20))
sns.relplot(data=f1, x='loc_x', y='loc_y',hue='combined_shot_type')
plt.show()
- 参考下图绘选手出手方式(次数)、投篮命中率、出售距离的柱状统计图
-
g1=d1.groupby(d1['combined_shot_type']).count()['action_type'].sort_values(ascending=False)
plt.bar(c1,g1)
plt.ylabel('进攻次数')
plt.xlabel('进攻方式')
plt.show()
-
m1=d1['shot_zone_basic'].value_counts().plot.barh()
b = np.array([0,1,2,3,4,5,6])
n1=['后场','左边底线三分','右边底细三分','除进攻有理区外的禁区','底线之外的三分','进攻有理区','中距区']
plt.yticks(b,('后场','左边底线三分','右边底细三分','除进攻有理区外的禁区','底线之外的三分','进攻有理区','中距区'))
plt.xlabel('投篮次数')
plt.title('科比在各区域投篮')
plt.show()
好了就这么多,也希望老大可以给你们力量!
科比,老大1000天相关推荐
- LinkedHashMap与HashMap 关系
LinkedHashMap源码分析 1. LinkedHashMap 与 HashMap 的关系 2. LinkedHashMap 双向链表的构建过程 3. LinkedHashMap 删除节点的过程 ...
- 能赢球只拿12分也行 麦蒂明言不和姚明争老大
麦蒂表示,自己不会和姚明去争球队老大,但仍然有人觉得麦蒂应该负起责任,成为球队的王牌-- 网易体育讯 新赛季即将来临,招兵买马换将换帅的火箭又给大家带来了希望,但他们的核心始终是姚麦.9月1日,NBA ...
- 今年芯片行业最大收购案:亚德诺209亿美元收购美信,对抗行业老大德州仪器...
边策 发自 凹非寺 量子位 报道 | 公众号 QbitAI 当AI.5G芯片成为行业热议话题时,另一块芯片战场正在开展一场吞并战. 今天,全球第二大模拟芯片厂商亚德诺半导体(Analog Device ...
- 人工智能靠人工:标注员1天要听1000条录音
人工智能靠人工:标注员1天要听1000条录音 燃财经(ID:rancaijing)原创 作者 | 周晶晶 编辑 | 阿伦 如今,智能设备越来越多地出现在每个人的生活中,在享受它们带来的便利时,很多人或 ...
- 【人物】徐小平:既然做老大,你就得让兄弟们有肉吃
对于创业者,我最看重什么? 人格魅力创业者一定要有这个东西,我做投资的时候主要看这点,我称之为魅力.当然除了魅力还有经验.人品.团队.公司是创始人的公司,是CEO的公司,CEO这个人的能力一定要在所有 ...
- 科比生涯自述:忍受,然后征服——这就是曼巴精神
本文乃科比-布莱恩特在其生涯不同时期的自述文章.博客.专访和序言组成,顺序有所调整. 融入环境对我而言从来都是个无法克服的挑战. 当时我父亲决定退役,一家人都搬回了美国,我放弃了意大利8年生活中培养的 ...
- 致敬科比,我们应该这样做......
2016年4月14日,科比·布莱恩特,这个最接近神的男人,在洛杉矶斯台普斯中心,结束了他的最后一场比赛.上场42分钟,出手50次,看下60分,帮助球队以101-96比分取得胜利. 这是一场万众瞩目的比 ...
- 深锐观察:科比已无法超越乔丹 湖人飞侠被谁打败
即使今后能再获得一两次总冠军,科比也不可能以乔丹的方式来超越乔丹了 新浪体育讯 就是这样 科比无法超越乔丹了,这个延续千年的话题终于可以打住.从此他将只做自己,解脱还是遗憾?无论如何,结果就是这样 ...
- 45亿换1000万学生,互联网在线教育“火烧赤壁”能否有霸主横空出世?
教育关注的是人本身,光靠营销和讲故事终究不会成功. 一位K12在线教育行业资深人士刘俊(化名)向「子弹财经」透露,这组数字分别代表着猿辅导.学而思网校.作业帮和跟谁学四家暑期营销推广预算." ...
最新文章
- Entity Framework 约定
- 主流Kubernetes发行版梳理,看完就会选了
- 原生js删除html,原生js模拟v-for增加删除.html
- 回复:lerit的关于对象中字段的初始化问题
- EasyUI中分页的简单使用
- 深度学习笔记:优化方法总结(BGD,SGD,Momentum,AdaGrad,RMSProp,Adam)
- 微信小程序之获取验证码js
- 国产CPU群雄逐鹿谁主沉浮
- 如何设置VSCode以提高生产力
- Node.js「四」—— 路由 / EJS 模板引擎 / GET 和 POST
- leetcode题解41-缺失的第一个正数原来如此简单
- Python十进制转十五进制
- Windows下,BAT文件中使用XCopy复制整个目录
- 计算机应用技术中的c语言,C语言程序设计——Visual C++6.0(高等院校计算机应用技术系列教材)...
- 决策树算法 (CART分类树)
- pdf关键字高亮 java_Java查找并高亮PDF文本过程解析
- ntfs磁盘格式是什么?NTFS如何读写Mac硬盘?
- 【Leetcode】Customers Who Never Order
- 假期培训总结——初三寒假
- 做短视频必须要知道的几个视频设置参数,爆款必备。