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." ...

科比，老大1000天

科比，老大1000天相关推荐

最新文章

热门文章