NBA 1985-2017 数据分析二
单赛季分析:(16-17常规赛)
主场战绩:
主场胜率勇士最高:87.8%,最低篮网31.7%
wbt.sort_values('home',ascending=False)['home'].plot.bar(figsize=(12,3),color='#0b8b87')
客场战绩:
最高勇士75.6%,最低篮网17%
wwbt.sort_values('away',ascending=False)['away'].plot.bar(figsize=(12,3),color='#0b8b87')
主客场战绩差异:
所有球队主场战绩都优于客场
步行者差异达到39%
差异最小马刺2.4%
wbt.sort_values('diff',ascending=False)['diff'].plot.bar(figsize=(12,3),color='#0b8b87')
各队场均得分:
勇士最高115.9分
达拉斯最低97.9分
各队得分标准差,得分稳定性:
波动最大骑士14.4分
最小凯尔特人9.05分
得分期望及方差反应进攻火力及稳定性,
如将对手得分置换成主队,就能计算防守效率及稳定性
接下来的分析:
以对阵两队前5个赛季胜率和当季各队主客场胜率 为线性模型因子预测胜率并验证模型.
编码:
r2017 = df[df.赛季=='2016-2017'][:1230]
r2017.head()
赛季 日期 主队 主队得分 客队 客队得分 主队胜负 主队分差 得分总和
37647 2016-2017 2016-10-25 骑士 117 尼克斯 88 1 29 205
37648 2016-2017 2016-10-25 开拓者 113 爵士 104 1 9 217
37649 2016-2017 2016-10-25 勇士 100 马刺 129 0 -29 229
37650 2016-2017 2016-10-26 魔术 96 热火 108 0 -12 204
37651 2016-2017 2016-10-26 凯尔特 122 篮网 117 1 5 239
各队战绩一览:
合并各队主客场战绩
hs=r2017.loc[:,['主队','主队胜负']].groupby('主队').mean()
gs = r2017.loc[:,['客队','主队胜负']].groupby('客队').mean()
#客场战绩替换成主场
gs['主队胜负']=1-gs['主队胜负']
gs.columns=['away',]
hs.columns=['home',]
hs.index.name='team'
wbt=hs.join(gs)
#改用球队英文简称,方便图示
nl={'SIXER':'PHI', '公牛':'CHI', '凯尔特':'BOS', '勇士':'GS', '国王':'SAC', '太阳':'PHO', '奇才':'WAS', '小牛':'DAL', '尼克斯':'NY', '开拓者':'POR', '快船':'LAC',
'掘金':'DEN', '森林狼':'MIN', '步行者':'IND', '活塞':'DET', '湖人':'LAL', '火箭':'HOU', '灰熊':'MEM', '热火':'MIA', '爵士':'UTAH', '猛龙':'TOR', '篮网':'BN',
'老鹰':'ATL', '雄鹿':'MIL', '雷霆':'OKC', '马刺':'SA', '骑士':'CLE', '魔术':'ORL', '鹈鹕':'NO', '黄蜂':'CHA'}
wbt.index=(list(map(lambda x: nl.get(x),wbt.index)))
#添加例:主客场胜负差距
wbt['diff']=wbt['home']-wbt['away']
合并赛季主客队战绩
s1=r2017.loc[:,['主队','主队得分']]
s2=r2017.loc[:,['客队','客队得分']]
s1.columns=(['team','score'])
s2.columns=(['team','score'])
s2017=s1.append(s2,ignore_index=True)
s2017['team']=(list(map(lambda x: nl.get(x),s2017['team'])))
s2017.groupby('team').mean().sort_values('score',ascending=False).plot.bar(figsize=(10,3),color='#769958')
s2017.groupby('team').std().sort_values('score',ascending=False).plot.bar(figsize=(10,2),color='#769958')
大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。
更多问题咨询，欢迎点击------>>>>在线客服！
