NBA这三十年发生了什么,Python告诉你~

  • 时间:
  • 浏览:10
  • 来源:神彩3D_彩神3D官方

结论性的东西就不说了,前文都那我说了只是了。

NBA没法多年变化不少,作为有一一两个球迷的我来说,变化虽然只是小,想着那我高中大学的那我,为了自己喜欢的球星,跟同学争的面红耳赤也争没哟个好歹,大学的那我假如上午有比赛,铁定是逃课去看比赛的,渐渐的参加工作那我,看NBA的时间没没法多了,搞得现在好多新生辈的球员也有认识了,关注的永远不到老詹,有那我想看 许多说老詹不好一句话,也没没法生气了,现在希望的只是老詹还能多打几年,等老詹退役了,我也应该就不再年轻了。

现在都没法拼命的扔三分,真的就很合理吗?

在讨论三分合理性那我,我们都都 先引入有一一两个概念——有效命中率

我们都都 能想看 那先 :

虽然简单来说,投中有一一两个三分,算1.二个投篮命中数,下面我们都都 来看下近三十年来,有效命中率是怎么能么会在变化。

image.png

那我总是在科赛网-NBA那先 年 上更新你你你这个项目的,不过总是没怎么能么会整理,有点硬是文字部分,只是也是在一边摸索一边统计,后期发现有意义的会再更新到简书的。

peace~

那我想看 只是年的球迷也有感叹:

我们都都 能想看 那先 :

image.png

image.png

通过NBA近三十年的数据来看:

我们都都 还可不可以 想看 ,那先 年整体命中率虽然是在下降,不过真实命中率反而要高于那我了,那我对于只是老球迷来说,那我的NBA少了只是对抗,观赏性不如那我,不过我们都都 还是还可不可以 想看 ,进攻效率却更高了,当然那我的变化是好是坏,就因人而异了。

image.png

但事实真的是那我的吗那我说那先 变化又是怎么能么会体现到数据之中的,我们都都 接下来看一看。

通过绘制折线图我们都都 看下各项数据在三十年间的变化:

我们都都 通过seaborn的heatmap来展示:

我们都都 使用折线图来看那先 年真实命中率的变化:

前文中我们都都 也想看 了,三分球那先 年没法被重视,我们都都 接下来更加直观来展现下那先 年三分选折 的变化:

总体来说,防守型的数据也有在下降,无论是篮板,抢断还是盖帽,外线出手暴涨。那我是内线的时代,现在是小球时代,中锋作用被弱化。毕竟NBA是有一一两个商业联盟,更多的是迎合市场,有一一两个更能得分的球员总是会比有一一两个更能抢篮板的球员更受欢迎。

我们都都 能想看 那先 :

导入数据并生根据比赛比分生成一列分差:

image.png

解析来我们都都 看下各项统计数据之间有何相关性,使用的是pandas的内置函数dataframe.corr()来计算数据之间的皮尔逊相关系数,绝对值越接近1表明相关性越强。

关于数据源的介绍以及字段解释各位还可不可以 移步科赛网 查看,使用的数据源是 team_season.csv

我们都都 统计来那先 年来三分球占比的情况报告,通过seaborn的heatmap做如下展示:

eFG%(effective Field Goal percentage)通常翻译为“有效命中率”,该数据优化了三分球对于球员命中率的影响。 考虑到每有一一两个三分球实际上合适命中了1.二个两分球,因此,eFG%的计算公式为:eFG% = ( FG + 0.5 * 3P ) / FGA,其中: FG:投篮命中数; 3P:三分命中数 FGA:投篮出手总数