探索大神科比,30000多次投篮数据，有好玩的发现

菜鸟学Python粉丝的第24篇投稿

阅读本文大概需要5分钟

要点：

• 数据获取

• 数据的清洗

• 数据的多维度可视化

玩数据分析的同学一定都知道kaggle，里面有大量好玩的数据集，这次我们下载了科比近20年职业生涯中所尝试的每个投篮命中的位置和情况，由于是篮球领域的数据，可能有一些小伙伴看不懂，不过没关系，后面我都会进行简短的说明的。

链接：https://www.kaggle.com/c/kobe-bryant-shot-selection/data

The field names are self explanatory and contain the following attributes:

• action_type         进攻方式（更具体）

• combined_shot_type  进攻方式

• game_event_id           这个不清楚

• 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

• shot_zone_area          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

1).读入数据集：

2).看一下数据集基本情况：一共有25个维度

3).看一下数据集的大小:一共投了30697次

可以看到，科比职业生涯出手投篮了三万多次，确实是厉害！大致先了解一下这份数据，主要是收集了科比每一次进攻的位置，投篮方式和得分，这三个维度也是我们重点关注的，其他的其实影响不是太大。

因为这是kaggle上的一个比赛数据，会用于预测，所以在“shot_made_flag”这一列上会有空值（即预测科比这一次投篮是否能投进），后面的部分分析会先剔除掉这些空值的数据，所以科密们，如果见到后面一些分析不太合理的话，要考虑到这一点哦！

#剔除未知命中结果的数据

known_data = data[data['shot_made_flag'].notnull()]

known_data.sample(3)

2).数据的思考

那接下来就慢慢来分析科比的投篮吧。站在一个球迷的位置，我会先关注的是科比的投篮点，有哪一些进攻的方式，哪一种又是偏多呢？

在数据分析前，我先来猜测下，按照我的球迷经验，科比常用的应该是跳投多一些，毕竟江湖上有一句话说，“我科后仰美如画”。科比的投篮姿势也是教科书版的存在，所以会有很多人去模仿他的动作。

3).画出科比的投篮图

• 默认的plt画图太丑，我用sns来设置画图的颜色

• plt来设置中文字体,设置坐标系显示负数

• 用scatter来画散点图

• 设置X,Y轴和Title

可视化看一下：

4).常用的进攻方式

• 取数据集中的'combined_shot_type'统计科比投篮的方式

• 用直方图来显示，构造x和y的参数.(x为1到6的序列，y为每一种投篮方式的统计数)

• 设置坐标标签和刻度范围

果然，跳投是最多的，最少的是擦板（嗯，这个让我想起了另外一位巨星——邓肯，他的擦板肯定不少！）这里用到的是“combined_shot_type”这一列，然后我把结果转为中文了，看起来顺眼一点。

4).计算命中率

• 过滤数据集，获得投篮命中的次数hits_df

• 计算投篮命中率

• 设置坐标参数和lable

可以看到，扣篮的命中率最高，然后是擦板，带球上篮，勾手，跳投，最后居然是补篮命中率最低（有点难以置信，有可能是数据的缺失的原因，我其实更偏向跳投才是最低的).

5).看看不同区域的出手情况

分析完科比的进攻方式，再来看看他喜欢在哪些地方投篮，终结的效果又是如何。同样，数据集里面对投篮区域的描述也有两列，这里我选取描述更具体的“shot_zone_basic”一列来分析。

因为y轴的标签名称太长，所以我们把画布右移0.18

可以看到，科比更多的进攻范围是在中距离，中投多一点。

6).最后一分钟的数据

#选取最后一分钟的数据

last_min_df = known_data[known_data['minutes_remaining']==0]

#平均进攻距离

avg_dis = last_min_df['shot_distance'].mean()

#进攻方式绘制

可以看到，还是中距离的跳投居多，还有一些距离看起来很远的，一般都是时间快到点了，然后乱扔出去的,最为球队领袖，还是有很多出手权的。

限于篇幅，我对小郑的数据探索原文有一些删减，其实这是一份很好可以用来练习的数据集，你可以用来练习pandas数据分析，matplotlib可视化，sklearn数据挖掘，希望大家可以学习和挖掘更多信息。

需要完整源码和数据集，请留言获取(仅限前40名，先到先得)。

近期热门：

30岁后还能不能学Python,这里有一碗鸡汤

程序员如何用Python科学炒股

用Python来分析股票|发现炒股软件里惊人内幕

我爬取了微信的粉丝留言数，就为了...

零基础学了8个月的Python，到底有啥感悟

本篇文章来源于: 菜鸟学Python