|
编译|黄念程序注释|席雄芬动画效果| 顾运筠校对|丁一，姚佳灵 编辑按： 我曾是个狂热的飞人乔丹的球迷。当年，几乎看了他的每一场比赛！看NBA的比赛是我生命中不可缺少的部分，这是我看到这个利用Python写NBA球员系列时，特别感兴趣的原因。希望这个系列能带给大家一点关于NBA的知识。同时为中国男篮再次获得亚锦赛冠军喝彩！什么时候，我们的CBA也提供这么详细的数据让大家研究一下队员就好了。 文摘曾于8月18日发布《如何运用Python绘制NBA投篮图表》，与本文有直接联系，点击文章名称可回顾旧文。 在本文中，我将介绍如何在stats.上的比赛运动动画中提取一些额外的信息。 In[1]: In[2]: 我们将从一场比赛中提取信息。这是快船队（Clippers）和火箭队（Rockets）在季后系列赛的第5场比赛。在比赛中，James Harden瓦解了快船队的防守，冲向篮筐，把球传给Trevor Ariza，轻松获得3分。 我已经在下面嵌入了运动动画。 In[3]: 输出是一个动画 获取数据 下面是我们从stats.的应用程序接口获取数据的链接。链接里有2个参数：eventid是特定比赛的ID，gameid则是季后赛的ID。 In[4]: 我们发出请求提取数据 In[5]: Out[5]: 我们想要的数据在：home (主场球员的数据)，visitors (客场球员的数据)，和moments (使用于动画中用于绘制球员运动轨迹信息的数据) In[6]: 让我们看看home字典里包含的信息。 In [7]: home Out[7]:
Visitor字典包含了关于快船队的同样类型的信息。 In[8]: visitor Out[8]:
现在，让我们看看moments列表。 In [9]: #检查长度 len(moments) Out[9]: 700 长度告诉我们，上面的动画由700个项目/时刻组成。但是，都有些什么信息呢？让我们来看看第一个。 In [10]: moments[0] Out[10]: [3, 1431486313010, 715.32, 19.0, None, [[-1, -1, 43.51745, 10.76997, 1.11823], [1610612745, 1891, 43.21625, 12.9461, 0.0], [1610612745, 2772, 90.84496, 7.79534, 0.0], [1610612745, 2730, 77.19964, 34.36718, 0.0], [1610612745, 2746, 46.24382, 21.14748, 0.0], [1610612745, 201935, 81.0992, 48.10742, 0.0], [1610612746, 2440, 88.12605, 11.23036, 0.0], [1610612746, 200755, 84.41011, 43.47075,0.0], [1610612746, 101108, 46.18569, 16.49072,0.0], [1610612746, 201599, 78.64683, 31.87798,0.0], [1610612746, 201933, 65.89714, 25.57281,0.0]]] 首先，我们看到moments中的时刻或项目是一个包含了一堆信息的列表。我们逐一查看列表中的每一个项目。 1 moments[0]中的第1项是这一刻所发生的时期或季度。 2 Unix时间。（是一种时间表示方式，定义为从格林威治时间1970年1月1日（UTC/GMT的午夜）开始所经过的秒数，不考虑闰秒——译者注） 3第3项是指比赛剩下的时间。 4第4项是指计时器剩下的时间。 5我不知道第5项代表什么。 6第6项是由11个子列表组成的列表，每个子列表包含球场上某个球员或球的坐标。 6.1 11个子列表中的第1个包含了球的信息。 6.1.1前2项是表示teamid和playerid的值，用于表明该列表是关于球的信息。 6.1.2接下来的2项则是x和y坐标值，用于表示球场中球的位置。 6.1.3第5项（最后一项）是代表球的半径。这个值在整个动画中都随着球的高度而变化。半径越大，球就越高。因此，如果球员投篮，球的大小就会增加，在拍摄弓的顶点达到其最大值，然后随着高度下降，球逐渐变小。 6.2第6项中的10个列表表示球场上的10名球员。在这些列表中，关于球的信息是一样的。 6.2.1前2项是teamid和playerid，表示这是某个特定球员的列表。 6.2.2接下来的2项则是x和y坐标值，代表该球员在球场上的位置。 6.2.3最后1项是球员的活动半径，这是不相关的信息。 现在我们对moments数据所代表的信息有了一定的理解。我们把它输入pandas DataFrame。 首先我们创建DataFrame的列标签。 In[11]: #列标签 headers =['team_id', 'player_id', 'x_loc','y_loc', 'radius','moment', 'game_clock', 'shot_clock'] 然后，我们为每个球员创建一个包含moments数据的单独列表。 In[12]: #初始化新列表player_moments player_moments= [] for momentin moments: #对列表中的每个球员/进球找到相应的moments for player in moment[5]: #对每个球员/进球增加额外的信息，包括每个moment的索引，比赛时间，投篮时间 player.extend((moments.index(moment),moment[2], moment[3])) player_moments.append(player) In[13]: #查看moments列表 player_moments[0:11] Out[13]: [[-1, -1,43.51745, 10.76997, 1.11823, 0, 715.32, 19.0], [1610612745, 1891, 43.21625, 12.9461, 0.0, 0,715.32, 19.0], [1610612745, 2772, 90.84496, 7.79534, 0.0, 0,715.32, 19.0], [1610612745, 2730, 77.19964, 34.36718, 0.0, 0,715.32, 19.0], [1610612745, 2746, 46.24382, 21.14748, 0.0, 0,715.32, 19.0], [1610612745, 201935, 81.0992, 48.10742, 0.0,0, 715.32, 19.0], [1610612746, 2440, 88.12605, 11.23036, 0.0, 0,715.32, 19.0], [1610612746, 200755, 84.41011, 43.47075, 0.0,0, 715.32, 19.0], [1610612746, 101108, 46.18569, 16.49072, 0.0,0, 715.32, 19.0], [1610612746, 201599, 78.64683, 31.87798, 0.0,0, 715.32, 19.0], [1610612746, 201933, 65.89714, 25.57281, 0.0,0, 715.32, 19.0]] 将刚刚创建的moments列表和我们的列标签传给pd.DataFrame，创建我们的DataFrame。 In[14]: #将Player_moments列表转化为数据框形式 df =pd.DataFrame(player_moments, columns=headers) In [15]: df.head(11) Out[15]:
我们还没有完成。我们应添加包含球员姓名和球衣号码的列。首先，将所有的球员放入一个列表。 In[16]: #创建player列表，将主队运动员的数据赋值给player players =home['players'] #添加客队运动员的数据 players.extend(visitor['players']) 利用players列表，我们可以创建一个以球员ID作为关键字的字典和一个包含球员姓名和球衣号码的值列表。 In[17]: #创建新的字典id_dict id_dict ={} #在字典中增加我们想要的值， for playerin players: id_dict[player['playerid']] =[player['firstname']+''+player['lastname'],player['jersey']] In [18]: id_dict Out[18]: {1891:['Jason Terry', '31'], 2037: ['Jamal Crawford', '11'], 2045: ['Hedo Turkoglu', '15'], 2440: ['Matt Barnes', '22'], 2563: ['Dahntay Jones', '31'], 2730: ['Dwight Howard', '12'], 2746: ['Josh Smith', '5'], 2772: ['Trevor Ariza', '1'], 101108: ['Chris Paul', '3'], 200755: ['JJ Redick', '4'], 201147: ['Corey Brewer', '33'], 201150: ['Spencer Hawes', '10'], 201175: ['Glen Davis', '0'], 201595: ['Joey Dorsey', '8'], 201599: ['DeAndre Jordan', '6'], 201933: ['Blake Griffin', '32'], 201935: ['James Harden', '13'], 201991: ['Lester Hudson', '14'], 202327: ['Ekpe Udoh', '13'], 203085: ['Austin Rivers', '25'], 203093: ['Terrence Jones', '6'], 203123: ['Kostas Papanikolaou', '16'], 203143: ['Pablo Prigioni', '9'], 203909: ['KJ McDaniels', '32'], 203910: ['Nick Johnson', '3'], 203991: ['Clint Capela', '15']} 我们更新id_dict，纳入球的ID。 In[19]: #将球的ID纳入字典中 id_dict.update({-1:['ball', np.nan]}) 然后利用位映象法对应player_id列创建player_name列和一个player_jersey。我们用lambda，位映像一个匿名函数，根据传给函数的player_id值而返回正确的player_name和player_jersey。 换句话说，下面的代码所做的是遍历player_id列中的球员ID，然后把每个球员ID传递给那个匿名函数。这个函数返回的是球员的名字以及该球员的球衣号码，并把这些值添加到我们的DataFrame中。 In [20]: #创建与player_id匹配的player_name和player_jersey列 df['player_name']= df.player_id.map(lambda x: id_dict[x][0]) df['player_jersey']= df.player_id.map(lambda x: id_dict[x][1]) In [21]: #显示df数据框的前11行 df.head(11) Out[21]:
绘制运动轨迹 绘制James Harden在整个比赛中的运动轨迹。我们可以借助从stas.获取的球场图片来绘制球场。你可以在上面找到SVG。我用matplotlib将其转换成PNG文件，从而使其更容易绘制。此外，还应注意x或y轴上每1单位代表篮球场上的1英尺。 In[22]: #获取Harden的运动轨迹 harden =df[df.player_name=='James Harden'] #读取fullcourt.png图片 court =plt.imread('fullcourt.png') In [23]:
我们也可以通过matplotlib Patches重新创建大部分的球场。我们不是使用SVG坐标系统，而是使用经典的直角坐标系统。因此，我们的y轴值将是负值，而非正值。 In[24]:
In [25]: plt.figure(figsize=(15,11.5)) #画出movemnts的散点图 #使用colormap表示比赛时的变化 plt.scatter(harden.x_loc,-harden.y_loc, c=harden.game_clock, cmap=plt.cm.Blues, s=1000,zorder=1) #颜色越深表示移动轨迹越早 cbar =plt.colorbar(orientation='horizontal') #逆转colorbar让左侧区域有较高的值 cbar.ax.invert_xaxis() draw_court() plt.xlim(0,101) plt.ylim(-50,0) plt.show()
计算运动距离 通过得到连续点之间的欧式距离（Euclidean distance是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。——译者注），然后对这些距离求和，我们可以算出一个球员运动的距离。 In[26]: deftravel_dist(player_locations): #对每一列差分相减求误差 diff = np.diff(player_locations, axis=0) #将误差平方相加再开方 dist = np.sqrt((diff ** 2).sum(axis=1)) #返回所有距离的和 returndist.sum() In [27]: # Harden'的运动距离 dist =travel_dist(harden[['x_loc', 'y_loc']]) dist Out[27]: 197.44816608512659 我们可以使用groupby和apply得到每个球员的运动总距离。我们将球员分组，得到他们每个的坐标位置，然后应用上述距离函数。 In[28]: #使用groupby和apply得到每个球员的运动总距离 player_travel_dist= df.groupby('player_name')[['x_loc', 'y_loc']].apply(travel_dist) player_travel_dist Out[28]: player_name BlakeGriffin 153.076637 ChrisPaul 176.198330 DeAndreJordan 119.919877 DwightHoward 123.439590 JJRedick 184.504145 JamesHarden 197.448166 JasonTerry 173.308880 JoshSmith 162.226100 MattBarnes 161.976406 TrevorAriza 153.389365 ball 328.317612 dtype:float64 计算平均速度 计算球员的平均速度相当简单：只需将距离除以时间即可。 In[29]: #获取比赛的时长 seconds =df.game_clock.max() - df.game_clock.min() #以每秒英尺为单位 harden_fps= dist / seconds #转化为每小时英里为单位 harden_mph= 0.681818 * harden_fps harden_mph Out[29]: 4.7977089702005902 我们可以使用先前创建的player_travel_dist得到每个球员的平均速度。 In[30]: #计算每个球员的平均速度 player_speeds= (player_travel_dist/seconds) * 0.681818 player_speeds Out[30]: player_name BlakeGriffin 3.719544 ChrisPaul 4.281368 DeAndreJordan 2.913882 DwightHoward 2.999406 JJRedick 4.483188 JamesHarden 4.797709 JasonTerry 4.211159 JoshSmith 3.941863 MattBarnes 3.935796 TrevorAriza 3.727143 ball 7.977650 dtype:float64 计算球员之间的距离 让我们来看看比赛中Harden与其他每一个球员之间的距离。 首先得到Harden的位置。 In[31]: #获取Harden的位置 harden_loc= df[df.player_name=='James Harden'][['x_loc','y_loc']] In [32]: harden_loc.head() Out[32]:
现在，我们以player_name分组，得到每个球员和球的位置。 In[33]: group =df[df.player_name!='JamesHarden'].groupby('player_name')[['x_loc','y_loc']] 我们利用scipy库中的欧几里德函数，在分组中使用它。函数返回一张列表，包含整个比赛中James Harden和其他球员之间的距离。 In[34]: fromscipy.spatial.distance import euclidean In [35]: #在每个moment计算每个球员之间的距离 defplayer_dist(player_a, player_b): return [euclidean(player_a.iloc[i],player_b.iloc[i]) for i in range(len(player_a))] 每个球员的位置传给player_dist函数里的player_a参数，Harden的位置传给player_b参数。 In[36]: harden_dist= group.apply(player_dist, player_b=(harden_loc)) In [37]: harden_dist Out[37]:
In[38]: len(harden_dist['ball']) Out[38]: 690 In [39]: len(harden_dist['BlakeGriffin']) Out[39]: 700 现在，我们知道如何得到球员之间的距离，让我们试着看看James Harden的运球对球场上一些空间的影响。 让我们再看一看运动画面，看看在Harden运球过程中发生的情况。 In[40]: IFrame('http://stats./movement/#!/?GameID=0041400235&GameEventID=308',width=700,height=400) Out[40]:
当Harden突入篮下，DeAndre Jordan移出Dwight Howards防守的篮下。Matt Barnes切换过来防守Howards（但跌倒），让Ariza攻破。Harden看到Ariza，把球传给了他，Chris Paul试图冲过来防守，Ariza把握住了机会，投篮成功，这一切都发生在第三季度约11分钟46秒到11分钟42秒之间。计时钟从约10.1秒开始计时，那时Harden开始运球，计时到约6分2秒时，Ariza投出球。实际上，我们可以在Ariza的投篮日志页找到更多关于他投球尝试的信息。 In[41]: #获取特定时间段的数据 time_mask =(df.game_clock <= 706) & (df.game_clock >= 702) & \ (df.shot_clock <= 10.1) &(df.shot_clock >= 6.2) time_df =df[time_mask] 从动画看，Harden似乎在第四节比赛只剩7.7到7.8秒的时候传了球。我们可以通过查看他和球之间的距离来确认这一情况。 In[42]: #计算James Harden与球之间的距离 ball =time_df[time_df.player_name=='ball'] harden2 =time_df[time_df.player_name=='James Harden'] harden_ball_dist= player_dist(ball[['x_loc', 'y_loc']], harden2[['x_loc','y_loc']]) In [43]:
让我们绘制在这段时间内的一些球员之间的距离变化。我们将绘制Harden与Jordan、Howard与Barnes、Ariza与Barnes、Ariza与Paul之间的距离变化。 In[44]: #获取我们想要的球员信息 player_mask= (time_df.player_name=='Trevor Ariza') | \ (time_df.player_name=='DeAndre Jordan') | \ (time_df.player_name=='DwightHoward') | \ (time_df.player_name=='MattBarnes') | \ (time_df.player_name=='ChrisPaul') | \ (time_df.player_name=='JamesHarden') In [45]: #获取球员的位置 group2 =time_df[player_mask].groupby('player_name')[['x_loc','y_loc']] In [46]: #获取球员之间的距离差 harden_jordan= player_dist(group2.get_group('James Harden'), group2.get_group('DeAndre Jordan')) howard_barnes= player_dist(group2.get_group('Dwight Howard'), group2.get_group('Matt Barnes')) ariza_barnes= player_dist(group2.get_group('Trevor Ariza'), group2.get_group('Matt Barnes')) ariza_paul= player_dist(group2.get_group('Trevor Ariza'), group2.get_group('ChrisPaul')) In [47]:
大数据文摘编译者简介黄念上海长海医院在读硕士，对生物医药大数据挖掘的及其应用很感兴趣，愿意借助本平台认识更多的小伙伴。席雄芬北京邮电大学无线信号处理专业研究生在读，主要研究图信号处理，对基于社交网络的图数据挖掘感兴趣，希望借助此平台能认识更多的从事大数据方面的人，结交更多的志同道合者。顾运筠职业院校的统计老师，对机器学习和数据可视化感兴趣。丁一德罕，杜克大学药理系在读博士，对生物信息学和临床药学的大数据挖掘很感兴趣。姚佳灵家庭主妇，对数据分析和处理很感兴趣，正在努力学习中，希望能和大家多交流。
【限时】2015年9月干货文件打包下载，请点击大数据文摘底部菜单（2015/10/31前）
|
|
|
来自： richard_168 > 《待分类》
