探索大神科比,30000多次投篮数据，有好玩的发现

• 数据获取
• 数据的清洗
• 数据的多维度可视化

01

数据来源

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

02

数据的读取和查看

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。

03

数据清洗和探索

1).数据的清洗

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。

如果大家周围有对数据分析&数据挖掘感兴趣的朋友，欢迎在朋友圈分享&转发一下，让更多的朋友加入我们。有好的文章也可以联系我与大家分享，需要获取代码转载本公众号文章，可以直接在公众号或者文章下方留言。