用python基于2015-2016年的NBA常规赛及季后赛的统计数据分析
一、实验介绍
1.1 内容简介
不知道你是否朋友圈被刷屏过nba的某场比赛进度或者结果?或者你就是一个nba狂热粉,比赛中的每个进球,抢断或是逆转压哨球都能让你热血沸腾。除去观赏精彩的比赛过程,我们也同样好奇比赛的结果会是如何。因此本节课程,将给同学们展示如何使用nba比赛的以往统计数据,判断每个球队的战斗力,及预测某场比赛中的结果。
我们将基于2015-2016年的NBA常规赛及季后赛的比赛统计数据,预测在当下正在进行的2016-2017常规赛每场赛事的结果。
1.2 实验知识点
- nba球队的
Elo score
计算 - 特征向量
- 逻辑回归
1.3 实验环境
- python2.7
- Xfce终端
1.4 实验流程
本次课程我们将按照下面的流程实现NBA比赛数据分析的任务:
- 获取比赛统计数据
- 比赛数据分析,得到代表每场比赛每支队伍状态的特征表达
- 利用机器学习方法学习每场比赛与胜利队伍的关系,并对2016-2017的比赛进行预测
1.5 代码获取
本次实验的源码可通过以下命令获得:
$ wget http://labfile.oss.aliyuncs.com/courses/782/prediction.py
二、获取 NBA比赛统计数据
2.1 比赛数据介绍
在本次实验中,我们将采用Basketball Reference.com
http://www.basketball-reference.com/
中的统计数据。在这个网站中,你可以看到不同球员、队伍、赛季和联盟比赛的基本统计数据,如得分,犯规次数等情况,胜负次数等情况。而我们在这里将会使用2015-16 NBA Season Summary中数据。
在这个2015-16总结的所有表格中,我们将使用的是以下三个数据表格:
- Team Per Game Stats:每支队伍平均每场比赛的表现统计
数据名 |
含义 |
---|---|
Rk -- Rank |
排名 |
G -- Games |
参与的比赛场数(都为82场) |
MP -- Minutes Played |
平均每场比赛进行的时间 |
FG--Field Goals |
投球命中次数 |
FGA--Field Goal Attempts |
投射次数 |
FG%--Field Goal Percentage |
投球命中次数 |
3P--3-Point Field Goals |
三分球命中次数 |
3PA--3-Point Field Goal Attempts |
三分球投射次数 |
3P%--3-Point Field Goal Percentage |
三分球命中率 |
2P--2-Point Field Goals |
二分球命中次数 |
2PA--2-point Field Goal Attempts |
二分球投射次数 |
2P%--2-Point Field Goal Percentage |
二分球命中率 |
FT--Free Throws |
罚球命中次数 |
FTA--Free Throw Attempts |
罚球投射次数 |
FT%--Free Throw Percentage |
罚球命中率 |
ORB--Offensive Rebounds |
进攻篮板球 |
DRB--Defensive Rebounds |
防守篮板球 |
TRB--Total Rebounds |
篮板球总数 |
AST--Assists |
辅助 |
STL--Steals |
偷球 |
BLK -- Blocks |
封阻 |
TOV -- Turnovers |
失误 |
PF -- Personal Fouls |
个犯 |
PTS -- Points |
得分 |
- Opponent Per Game Stats:所遇到的对手平均每场比赛的统计信息,所包含的统计数据与Team Per Game Stats中的一致,只是代表的该球队对应的对手的
- Miscellaneous Stats:综合统计数据
数据项 |
数据含义 |
---|---|
Rk (Rank) |
排名 |
Age |
队员的平均年龄 |
W (Wins) |
胜利次数 |
L (Losses) |
失败次数 |
PW (Pythagorean wins) |
基于毕达哥拉斯理论计算的赢的概率 |
PL (Pythagorean losses) |
基于毕达哥拉斯理论计算的输的概率 |
MOV (Margin of Victory) |
赢球次数的平均间隔 |
SOS (Strength of Schedule) |
用以评判对手选择与其球队或是其他球队的难易程度对比,0为平均线,可以为正负数 |
SRS (Simple Rating System) |
3 |
ORtg (Offensive Rating) |
每100个比赛回合中的进攻比例 |
DRtg (Defensive Rating) |
每100个比赛回合中的防守比例 |
Pace (Pace Factor) |
每48分钟内大概会进行多少个回合 |
FTr (Free Throw Attempt Rate) |
罚球次数所占投射次数的比例 |
3PAr (3-Point Attempt Rate) |
三分球投射占投射次数的比例 |
TS% (True Shooting Percentage) |
二分球、三分球和罚球的总共命中率 |
eFG% (Effective Field Goal Percentage) |
有效的投射百分比(含二分球、三分球) |
TOV% (Turnover Percentage) |
每100场比赛中失误的比例 |
ORB% (Offensive Rebound Percentage) |
球队中平均每个人的进攻篮板的比例 |
FT/FGA |
罚球所占投射的比例 |
eFG% (Opponent Effective Field Goal Percentage) |
对手投射命中比例 |
TOV% (Opponent Turnover Percentage) |
对手的失误比例 |
DRB% (Defensive Rebound Percentage) |
球队平均每个球员的防守篮板比例 |
FT/FGA (Opponent Free Throws Per Field Goal Attempt) |
对手的罚球次数占投射次数的比例 |
毕达哥拉斯定律:win% = frac{{runs scored}^2}{{runs scored}^2 + {runs allowed}^2}win%=runs scored2+runs allowed2runs scored2
我们将用这三个表格来评估球队过去的战斗力,另外还需2015-16 NBA Schedule and Results中的2015~2016年的nba常规赛及季后赛的每场比赛的比赛数据,用以评估Elo score
(在之后的实验小节中解释)。在Basketball Reference.com
中按照从常规赛至季后赛的时间。列出了2015年10月份至2016年6月份的每场比赛的比赛情况。
可在上图中,看到2015年10月份的部分比赛数据。在每个Schedule表格中所包含的数据为:
数据项 |
数据含义 |
---|---|
Date |
比赛日期 |
Start (ET) |
比赛开始时间 |
Visitor/Neutral |
客场作战队伍 |
PTS |
客场队伍最后得分 |
Home/Neutral |
主场队伍 |
PTS |
主场队伍最后得分 |
Notes |
备注,表明是否为加时赛等 |
在预测时,我们同样也需要在2016-17 NBA Schedule and Results中2016~2017年的NBA的常规赛比赛安排数据。
2.2 获取比赛数据
我们将以获取Team Per Game Stats表格数据为例,展示如何获取这三项统计数据。
- 进入到basketball-refernce.com中,在导航栏中选择
Season
并选择2015~2016
赛季中的Summary
:
- 进入到2015~2016年的
Summary
界面后,滑动窗口找到Team Per Game Stats
表格,并选择左上方的Share & more,在其下拉菜单中选择Get table as CSV (for Excel):
- 复制在界面中生的的csv格式数据,并复制粘贴至一个文本编辑器保存为csv文件即可:
为了方便同学们进行实验,我们已经将数据全部都保存成csv文件上传至实验楼的云环境中。在后续的代码实现小节里,我们将给出获取这些文件的地址。
三、数据分析
在获取到数据之后,我们将利用每支队伍过去的比赛情况和Elo 等级分来判断每支比赛队伍的可胜概率。在评价到每支队伍过去的比赛情况时,我们将使用到Team Per Game Stats,Opponent Per Game Stats和Miscellaneous Stats(之后简称为T、O和M表)这三个表格的数据,作为代表比赛中某支队伍的比赛特征。我们最终将实现针对每场比赛,预测比赛中哪支队伍最终将会获胜,但并不是给出绝对的胜败情况,而是预判胜利的队伍有多大的获胜概率。因此我们将建立一个代表比赛的特征向量。由两支队伍的以往比赛情况统计情况(T、O和M表),和两个队伍各自的Elo等级分构成。
关于Elo score等级分,不知道同学们是否看过《社交网络》
这部电影,在这部电影中,Mark(主人公原型就是扎克伯格,FaceBook创始人)在电影起初开发的一个美女排名系统就是利用其好友Eduardo在窗户上写下的排名公式,对不同的女生进行等级制度对比,最后PK出胜利的一方。
这条对比公式就是Elo Score等级分制度。Elo的最初为了提供国际象棋中,更好地对不同的选手进行等级划分。在现在很多的竞技运动或者游戏中都会采取Elo等级分制度对选手或玩家进行等级划分,如足球、篮球、棒球比赛或LOL,DOTA等游戏。
在这里我们将基于国际象棋比赛,大致地介绍下Elo等级划分制度。在上图中Eduardo在窗户上写下的公式就是根据Logistic Distribution
计算PK双方(A和B)对各自的胜率期望值计算公式。假设A和B的当前等级分为R_ARA何R_BRB,则A对B的胜率期望值为:
E_A=frac{1}{1+10^{(R_B-R_A)/400}}EA=1+10(RB−RA)/4001
B对A的胜率期望值为
E_B=frac{1}{1+10^{(R_A-R_B)/400}}EB=1+10(RA−RB)/4001
如果棋手A在比赛中的真实得分S_ASA(胜1分,和0.5分,负0分)和他的胜率期望值E_AEA不同,则他的等级分要根据以下公式进行调整:
R_A^{new} = R_A^{old} + K(S_A - R_A^{old})RAnew=RAold+K(SA−RAold)
在国际象棋中,根据等级分的不同K值也会做相应的调整:
- ge2400≥2400,K=16
- 2100~2400分,K=24
- le2100≤2100,K=32
因此我们将会用以表示某场比赛数据的特征向量为(加入A与B队比赛):[A队Elo score, A队的T,O和M表统计数据,B队Elo score, B队的T,O和M表统计数据]
四、基于数据进行模型训练和预测
4.1 实验前期准备
在本次实验环境中,我们将会使用到Python的pandas
,numpy
,scipy
和sklearn
库,不过实验楼中已经安装了numpy
,所以在实验前,我们需要先利用pip
命令安装另外两个python库。
$ sudo pip install pandas
$ sudo pip install scipy
$ sudo pip install sklearn
在安装完所需的实验库之后,进入到实验环境的Code
目录下,创建cs_782
文件夹,并且通过以下地址获取我们为大家处理好的csv文件压缩包data.zip
:
$ cd Code
$ mkdir cs_782 && cd cs_782# 获取数据文件$ wget http://labfile.oss.aliyuncs.com/courses/782/data.zip# 解压data压缩包并且删除该压缩包$ unzip data.zip
$ rm -r data.zip
在data
文件夹中,包含了2015~2016年的NBA数据T,O和M表,及经处理后的常规赛和挑战赛的比赛数据2015~16result.csv
,这个数据文件是我们通过在basketball-reference.com
的2015-16 Schedule and result的几个月份比赛数据中提取得到的,其中包括三个字段:
- WTeam: 比赛胜利队伍
- LTeam: 失败队伍
- WLoc: 胜利队伍一方所在的为主场或是客场 另外一个文件就是
16-17Schedule.csv
,也是经过我们加工处理得到的NBA在2016~2017年的常规赛的比赛安排,其中包括两个字段: - Vteam: 访问/客场作战队伍
- Hteam: 主场作战队伍
4.2 代码实现
在Codecs_782
目录下,创建prediciton.py
开始实验。 首先插入实验相关模块:
# -*- coding:utf-8 -*-import pandas as pdimport mathimport csvimport randomimport numpy as npfrom sklearn import cross_validation, linear_model
设置回归训练时所需用到的参数变量:
# 当每支队伍没有elo等级分时,赋予其基础elo等级分base_elo = 1600team_elos = {}
team_stats = {}
X = []
y = []
folder = 'data' #存放数据的目录
在最开始需要初始化数据,从T、O和M表格中读入数据,去除一些无关数据并将这三个表格通过Team
属性列进行连接:
# 根据每支队伍的Miscellaneous Opponent,Team统计数据csv文件进行初始化def initialize_data(Mstat, Ostat, Tstat):
new_Mstat = Mstat.drop(['Rk', 'Arena'], axis=1)
new_Ostat = Ostat.drop(['Rk', 'G', 'MP'], axis=1)
new_Tstat = Tstat.drop(['Rk', 'G', 'MP'], axis=1)
team_stats1 = pd.merge(new_Mstat, new_Ostat, how='left', on='Team')
team_stats1 = pd.merge(team_stats1, new_Tstat, how='left', on='Team') return team_stats1.set_index('Team', inplace=False, drop=True)
获取每支队伍的Elo Score
等级分函数,当在开始没有等级分时,将其赋予初始base_elo
值:
def get_elo(team):
try: return team_elos[team] except: # 当最初没有elo时,给每个队伍最初赋base_elo
team_elos[team] = base_elo return team_elos[team]
定义计算每支球队的Elo等级分
函数:
# 计算每个球队的elo值def calc_elo(win_team, lose_team):
winner_rank = get_elo(win_team)
loser_rank = get_elo(lose_team)
rank_diff = winner_rank - loser_rank
exp = (rank_diff * -1) / 400
odds = 1 / (1 + math.pow(10, exp)) # 根据rank级别修改K值
if winner_rank < 2100:
k = 32
elif winner_rank >= 2100 and winner_rank < 2400:
k = 24
else:
k = 16
new_winner_rank = round(winner_rank + (k * (1 - odds)))
new_rank_diff = new_winner_rank - winner_rank
new_loser_rank = loser_rank - new_rank_diff return new_winner_rank, new_loser_rank
基于我们初始好的统计数据,及每支队伍的Elo score计算结果,建立对应2015~2016年常规赛和季后赛中每场比赛的数据集(在主客场比赛时,我们认为主场作战的队伍更加有优势一点,因此会给主场作战队伍相应加上100等级分):
def build_dataSet(all_data):
print("Building data set..")
X = []
skip = 0
for index, row in all_data.iterrows():
Wteam = row['WTeam']
Lteam = row['LTeam'] #获取最初的elo或是每个队伍最初的elo值
team1_elo = get_elo(Wteam)
team2_elo = get_elo(Lteam) # 给主场比赛的队伍加上100的elo值
if row['WLoc'] == 'H':
team1_elo += 100
else:
team2_elo += 100
# 把elo当为评价每个队伍的第一个特征值
team1_features = [team1_elo]
team2_features = [team2_elo] # 添加我们从basketball reference.com获得的每个队伍的统计信息
for key, value in team_stats.loc[Wteam].iteritems():
team1_features.append(value) for key, value in team_stats.loc[Lteam].iteritems():
team2_features.append(value) # 将两支队伍的特征值随机的分配在每场比赛数据的左右两侧
# 并将对应的0/1赋给y值
if random.random() > 0.5:
X.append(team1_features + team2_features)
y.append(0) else:
X.append(team2_features + team1_features)
y.append(1) if skip == 0: print X
skip = 1
# 根据这场比赛的数据更新队伍的elo值
new_winner_rank, new_loser_rank = calc_elo(Wteam, Lteam)
team_elos[Wteam] = new_winner_rank
team_elos[Lteam] = new_loser_rank return np.nan_to_num(X), y
最终在main函数中调用这些数据处理函数,使用sklearn的Logistic Regression
方法建立回归模型:
if __name__ == '__main__':
Mstat = pd.read_csv(folder + '/15-16Miscellaneous_Stat.csv')
Ostat = pd.read_csv(folder + '/15-16Opponent_Per_Game_Stat.csv')
Tstat = pd.read_csv(folder + '/15-16Team_Per_Game_Stat.csv')
team_stats = initialize_data(Mstat, Ostat, Tstat)
result_data = pd.read_csv(folder + '/2015-2016_result.csv')
X, y = build_dataSet(result_data) # 训练网络模型
print("Fitting on %d game samples.." % len(X))
model = linear_model.LogisticRegression()
model.fit(X, y) #利用10折交叉验证计算训练正确率
print("Doing cross-validation..")
print(cross_validation.cross_val_score(model, X, y, cv = 10, scoring='accuracy', n_jobs=-1).mean())
最终利用训练好的模型在16~17年的常规赛数据中进行预测。 利用模型对一场新的比赛进行胜负判断,并返回其胜利的概率:
def predict_winner(team_1, team_2, model):
features = [] # team 1,客场队伍
features.append(get_elo(team_1)) for key, value in team_stats.loc[team_1].iteritems():
features.append(value) # team 2,主场队伍
features.append(get_elo(team_2) + 100) for key, value in team_stats.loc[team_2].iteritems():
features.append(value)
features = np.nan_to_num(features) return model.predict_proba([features])
在main函数中调用该函数,并将预测结果输出到16-17Result.csv
文件中:
#利用训练好的model在16-17年的比赛中进行预测
print('Predicting on new schedule..')
schedule1617 = pd.read_csv(folder + '/16-17Schedule.csv')
result = [] for index, row in schedule1617.iterrows():
team1 = row['Vteam']
team2 = row['Hteam']
pred = predict_winner(team1, team2, model)
prob = pred[0][0] if prob > 0.5:
winner = team1
loser = team2
result.append([winner, loser, prob]) else:
winner = team2
loser = team1
result.append([winner, loser, 1 - prob]) with open('16-17Result.csv', 'wb') as f:
writer = csv.writer(f)
writer.writerow(['win', 'lose', 'probability'])
writer.writerows(result)
运行prediction.py
:
生成预测结果文件16-17Result.csv
文件:
五、总结
在本节课程中,我们利用Basketball-reference.com
的部分统计数据,计算每支nba比赛队伍的Elo socre
,和利用这些基本统计数据评价每支队伍过去的比赛情况,并且根据国际等级划分方法Elo Score
对队伍现在的战斗等级进行评分,最终结合这些不同队伍的特征判断在一场比赛中,哪支队伍能够占到优势。但在我们的预测结果中,与以往不同,我们没有给出绝对的正负之分,而是给出胜算较大一方的队伍能够赢另外一方的概率。当然在这里,我们所采用评价一支队伍性能的数据量还太少(只采用了15~16年一年的数据),如果想要更加准确、系统的判断,有兴趣的你当然可以从各种统计数据网站中获取到更多年份,更加全面的数据。结合不同的回归、决策机器学习模型,搭建一个更加全面,预测准确率更高的模型。在kaggle中有相关的篮球预测比赛项目,有兴趣的同学可尝试一下。
- 51Nod 1182 完美字符串(字符串处理 贪心 Facebook Hacker Cup选拔)
- 51Nod 1080 两个数的平方和(数论,经典题)
- Selenium3+python自动化50-环境搭建(firefox)
- Selenium2+python自动化51-unittest简介
- 开发者的如何优雅的使用OSX
- 1082 与7无关的数(思维题,巨坑)
- Facebook构建高性能Android视频组件实践之路
- Samba服务的配置总结
- 大型互联网系统的监控流水线
- 10-移动端开发教程-移动端事件
- 灰色理论预测模型
- tweet情感分析流程
- Selenium2+python自动化52-unittest执行顺序
- 基于TensorFlow实现自编码器(附源码)
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法