[PYTHON] [Für Anfänger] Baseball-Statistiken, die in 33 Minuten und 4 Sekunden gespeichert werden können, und PyData ~ mit Yojima Steel

Es macht Spaß, ich Herd Liga Hallo!

In diesem Beitrag möchte ich ein Beispiel für die Baseballstatistik "Sabre Metrics" mit professionellem Baseball vorstellen, die jeder liebt und Pandas und andere, die auf der Straße beliebt sind und die ich auch für Arbeit und Hobbys verwende.

Außerdem ist dieser Artikel Python Adventskalender 2016 12/4 Minuten Artikel & ** Bis Sie den Artikel gelesen und den Code kopiert und verschoben haben Die dafür benötigte Zeit wird mit ca. 33 Minuten und 4 Sekunden angenommen. **

Starting Menmber

• Vorstellen
• Säbelmetriken in 10 Minuten zu verstehen (Baseballstatistik)
• Werfen Sie einen kurzen Blick auf die Eigenschaften des Schlagmanns mit Python + Pandas in 20 Minuten
• Zusammenfassung (3 Minuten 4 Sekunden)

Darüber hinaus wurde dieser Artikel in der Vergangenheit geschrieben. "Mal sehen, wie erstaunlich der Schlagmann Shohei Otani mit nur wenigen Zeilen Python-Code ist ”Wird aus Sicht der Python-Programmierung und der Baseball-Statistik neu transkribiert.

Vorstellen

• shinyorke (gelesen als Shinyoku)
• Ich bin Ingenieur bei einem HR-Startup (Personalbereich).
• Entwicklung von Webanwendungen mit Django (mit allen) und Mitglied des Datenbank- / Analyseteams (eine Person)
• Etwas mehr als 5 Jahre Python-Erfahrung
• Wenn Sie nach "Baseball Python" suchen, finden Sie verschiedene Ergebnisse (Ergebnisse).

Sabre Metrics in 10 Minuten zu verstehen (Baseball-Statistik)

Schreiben Sie Python-Code und analysieren Sie die Hitter! Vorher möchte ich Ihnen die Light Sabre Metrics vorstellen.

Wenn Sie es richtig schreiben, wird es nicht enden, selbst wenn es einen ganzen Tag dauert, also werde ich in Zukunft nur die Punkte vorstellen, die für Hack notwendig sind.

Was ist Sabre Metrics?

Dies ist ein Zitat aus Wikipedia (Sabre Metrics).

Sabermetrics (SABRmetrics) ist eine Analysemethode, die Daten im Baseball unter statistischen Gesichtspunkten objektiv analysiert und Spielerbewertungen und -strategien berücksichtigt. ** ** **

Trefferquote / Trefferpunkt / Homerun, Sieg, Verteidigungsquote, Fehler usw. Es gibt verschiedene Indikatoren im Baseball, aber sobald diese beiseite gelegt werden, wird ein Index für die "objektive Analyse" basierend auf der "Hypothese" erstellt. , Die Analysemethode "Über die Bewertung / Strategie der Spieler nachdenken" und ihre Idee sind Sabre Metrics.

Indikatoren werden erstellt, indem vorhandene Daten (Punktedaten wie Sitze, Treffer, Innings usw.) und detaillierte Sensordaten, die von Geschwindigkeitskanonen und Kameras / Radargeräten erfasst werden, vollständig genutzt werden.

Dieses Mal werden wir Score-Daten verwenden (Sensordaten existieren im Web überhaupt nicht viel).

Grundidee von Sabre Metrics

Es ist in Ordnung, wenn Sie die folgenden drei fangen.

1. ** Die Gewinnquote beträgt 50%, wenn die Tordifferenz des Teams Null beträgt (Pitagolas-Gewinnquote) **

2. ** Es ist gerecht für den Teig, "nicht rauszugehen" und "zur vorherigen Basis zu gehen"! ** ** **

3. ** Pitchers & Fielder sollten "so viele Outs wie möglich machen" und "den Gegner nicht auf die vordere Basis zielen lassen"! ** ** **

4. hat die Idee von "[Pitagolas Gewinnrate](https://ja.wikipedia.org/wiki/Pitagolas Gewinnrate)", und diese Gewinnratenvorhersage ist die Grundlage aller Baseballstatistiken.

** Wenn das Ziel Null ist, 50%, plus ist eine Ersparnis, minus ist eine hohe Wahrscheinlichkeit der Verschuldung. **

Außerdem wird Baseball weiterhin angreifen, es sei denn, Sie erhalten drei Outs

• Batters erhöhen die Punkte, daher ist es am besten, ohne Ausstieg zu spielen (Treffer, vier tote Bälle usw.)
• Werfer und Feldspieler sollten so viele Outs wie möglich fangen, um die Runs zu reduzieren (drei Swings, Goro, Fly, Diebstahlprävention).

Sollte geschätzt werden! Sie können die Richtlinie sehen.

(Es gibt verschiedene Theorien und ich gebe Uneinigkeit zu.) Sabre-Metriken vermeiden "Spiele mit einem hohen Risiko, draußen zu sein", wie das Opfer von Bunts und den Diebstahl von Basen.

Ich möchte ein bisschen mehr wissen! Für diejenigen, die sagen, Artikel in 30 Minuten erklärt (Dies ist mein früherer Artikel und stellen den Hintergrund und einfache Anwendungsfälle vor Bitte beziehen Sie sich darauf, weil es (Stemma) gibt

Werfen Sie in 20 Minuten einen kurzen Blick auf die Eigenschaften des Schlagmanns mit Python + Pandas

Endlich ist das Thema Programmierung da (warte auf mich).

Lassen Sie uns tatsächlich Python verwenden.

Dinge die zu tun sind

• Berechnen Sie den Sabre Metrics-Index des Yodaikan-Spielers, der FA von Hokkaido Japan Ham Fighters deklariert hat, und beobachten Sie die Änderung von Jahr zu Jahr.
• Die Datenquelle wurde von NPB-Beamten ausgeliehen (leise Stimme).

Vorbereitungen

• Umgebung, in der Python 3.4 oder höher funktioniert (neuer ist besser)
• Virtuelle Umgebungen wie venv, virtualenv (kein gefährlicher Bibliothekscode, aber nicht in die Betriebssystem-Typen eintauchen)
• Paketverwaltung. Empfohlen wird pip: "Nein, ich habe Anakonda in einem anderen Artikel gesehen und verwendet!" Ist Anakonda, was auch immer Sie mögen.

Dieser Artikel ist

• Virtuelle Umgebung, in der Python 3.5.2 mit pyenv + virtualenv ausgeführt wird
• Paketverwaltung ist pip
• macOS 10.12.1(Sierra)

Ich werde unter der Prämisse erklären (ich hoffe, Sie können es entsprechend Ihrer eigenen Umgebung lesen)

& Fragmentierte Codefragmente werden angezeigt, aber derjenige, der sie am Ende zusammengefasst hat, wird ebenfalls veröffentlicht.

(Um es klar auszudrücken: Wenn Sie den letzten kopieren, sollten Sie ihn nachahmen können.)

Bibliotheksinstallation

Schreiben Sie diesmal den Code mit der folgenden Konfiguration.

• Die Ausführungsumgebung ist Jupyter (liest und schreibt basierend auf IPython und Notebook)
• Pandas zur Datenerfassung / Vorverarbeitung / Berechnung
• Bibliothek zum Durcheinander mit HTML, wie beispielsweise beautifulsoup4, die für die Datenerfassung erforderlich ist (Pandas hängen teilweise davon ab)
• Grafikzeichnung (Matplotlib, Seaborn)

Wenn Sie pip verwenden, reicht es aus, diese eine Zeile auszuführen (bitte lesen Sie sie gut für Leute wie Anaconda).

> $ pip install ipython pandas beautifulsoup4 numpy lxml html5lib jupyter matplotlib seaborn

Starten Sie die Umgebung

Starten Sie das Jupyter-Notizbuch.

> $ jupyter notebook

Datenrahmenerfassung und -bereinigung (Vorverarbeitung)

Bibliotheksimport etc.

Da ich ein Diagramm schreibe, schreibe ich eine magische Funktion (die mit% beginnt) und importiere Pandas.

Geben Sie übrigens die Anzahl der Spalten und Zeilen an, die im Notizbuch angezeigt werden sollen, um das spätere Debuggen zu erleichtern.

%matplotlib inline
import pandas

#Erhöhen Sie die Anzeigespalten / -zeilen(30 Reihen,10 Zeilen)

pandas.options.display.max_columns = 30
pandas.options.display.max_rows = 10

Datenrahmen abrufen

Holen Sie es sich mit der Methode read_html von pandas.

Auf der Rückseite verwende ich beautifulsoup, html5lib usw., um das Table-Tag abzukratzen.

url = 'http://npb.jp/bis/players/21825112.html'  #Yojima Steel's HP(npb.jp)
df = pandas.io.html.read_html(url)  #Schaben Sie das Tabellen-Tag! Liste von df(Der Inhalt sind Pandas.core.frame.DataFrame-Objekt)Ich werde mit zurückkehren

Auf dieser Seite befinden sich mehrere Tabellen. Finden Sie also heraus, in welcher Zeile die Trefferquote liegt.

Wenn Sie zuerst die Antwort sagen, ist Index = 3 (4. Zeile) das Trefferergebnis.

Vielleicht passiert das.

Vorverarbeitung

Wählen Sie die gewünschte Tabelle aus mehreren Tabellen auf der Seite aus und bereinigen Sie den Datentyp usw. für eine einfache spätere Verarbeitung.

#Verwerfen Sie Mülldaten und verschieben Sie sie in einen anderen Datenrahmen(Index und,Ergebnisse vor 2010&gesamt)
atbats = df[3].drop([0, 1, 2, 3,4, 11])

Da die Spalte dieser Daten ein Index ist (die tatsächliche japanische Spalte wird als Daten behandelt), fügen Sie die Spalte erneut hinzu.

Japanisch ist in Ordnung, aber ich persönlich empfehle die Abkürzung für Baseball-Englisch (ich denke, es ist denen bekannt, die MLB schauen).

Da der Datentyp auch ein gewöhnliches Objekt ist (er ändert den Datentyp nicht wie read_csv), werde ich den Typ korrekt angeben.

#Geben Sie einen Spaltennamen an(Baseball englische Abkürzung)
atbats.columns = ['year', 'team', 'g', 'pa', 'ab', 'r', 'h', '_2b', '_3b', 'hr', 'tb', 'rbi', 'sb', 'cs', 'sh', 'sf', 'bb', 'hbp', 'so', 'dp', 'ba', 'slg', 'obp']

#Verarbeiten Sie jede Spalte vor
import numpy as np
atbats['year'] = atbats['year'].fillna(0).astype(np.float64)
atbats['g'] = atbats['g'].fillna(0).astype(np.float64)
atbats['pa'] = atbats['pa'].fillna(0).astype(np.float64)
atbats['ab'] = atbats['ab'].fillna(0).astype(np.float64)
atbats['r'] = atbats['r'].fillna(0).astype(np.float64)
atbats['h'] = atbats['h'].fillna(0).astype(np.float64)
atbats['_2b'] = atbats['_2b'].fillna(0).astype(np.float64)
atbats['_3b'] = atbats['_3b'].fillna(0).astype(np.float64)
atbats['hr'] = atbats['hr'].fillna(0).astype(np.float64)
atbats['tb'] = atbats['tb'].fillna(0).astype(np.float64)
atbats['rbi'] = atbats['rbi'].fillna(0).astype(np.float64)
atbats['sb'] = atbats['sb'].fillna(0).astype(np.float64)
atbats['cs'] = atbats['cs'].fillna(0).astype(np.float64)
atbats['sh'] = atbats['tb'].fillna(0).astype(np.float64)
atbats['sf'] = atbats['sf'].fillna(0).astype(np.float64)
atbats['bb'] = atbats['bb'].fillna(0).astype(np.float64)
atbats['hbp'] = atbats['hbp'].fillna(0).astype(np.float64)
atbats['so'] = atbats['so'].fillna(0).astype(np.float64)
atbats['dp'] = atbats['dp'].fillna(0).astype(np.float64)
atbats['ba'] = atbats['ba'].fillna(0).astype(np.float64)
atbats['slg'] = atbats['slg'].fillna(0).astype(np.float64)
atbats['obp'] = atbats['obp'].fillna(0).astype(np.float64)

Wenn Sie es in diesen Zustand bringen können, ist es Zeit für eine unterhaltsame Visualisierung und Indexberechnung.

Zeit für Analyse!

Versuchen Sie zunächst, die Indikatoren grafisch darzustellen

Hier verwenden wir Seaborn.

Lassen Sie uns den Übergang der Schlagrate von 2011 auf 2016 sehen.

#Zeichnen Sie ein Diagramm(bei seaborn)
import seaborn as sns

#Schlagdurchschnitt(ba, batting average)Zu einem Faltliniendiagramm
sns.pointplot(x="year", y="ba", data=atbats)

Ich bin sicher, Sie werden eine Grafik wie diese sehen.

Sie können sehen, dass die Zahlen für 2015 gesunken sind.

Dieses Jahr war das Jahr mit der schlechtesten Leistung aufgrund von Verletzungen während der Saison, zusätzlich zu den verletzten Schultern und Oberschenkeln seit 2014 (aus meiner Erinnerung und Wikipedia).

Es gibt einige andere Daten. Wenn Sie also interessiert sind, erstellen Sie bitte eine Grafik und spielen Sie damit.

Darüber hinaus ist es gut, auf der offiziellen Website nachzusehen, wie man Seaborn benutzt.

offizielles Dokument für Seeleute

Endlich in die Welt von Sabre Metrics! !! !!

Dieses Mal werde ich mit einem einfachen Index herausfordern.

OPS(On the base Plus Slugging) Erfassen Sie die grobe Angriffskraft, indem Sie die Basisrate + die lange Trefferquote, die Fähigkeit, nicht auszugehen (Basisrate) und die Fähigkeit, zur Basis vorzurücken (lange Trefferquote), addieren.

BB/K(Base on Balls per Strike out)

• Vier Bälle / drei Schaukeln
• Wie viele vier Bälle werden für jeden Schwung ausgewählt?
• Es ist ein Barometer für Geduld bei der Ballauswahl und beim Schläger (vorzugsweise um 1, idealerweise 1,5 bis 2).

Code

Dies kann durch vier Betriebsregeln zwischen Datenrahmen erfolgen.

#OPS und BB/Berechne K.

atbats['ops'] = atbats['obp'] + atbats['slg'] # OPS
atbats['bb_k'] = atbats['bb'] / atbats['so'] # BB/K

Klicken Sie hier für die Ergebnisse!

OPS

BB/K

Erwägung

• Ursprünglich ist der OPS des Lead-Off-Typs (der meiste Teig) von Yang-sama ein fairer Passing-Score (idealerweise zwischen 0,750 und 0,800).
• Lass mich nur nicht aufräumen
• Es wäre am stärksten, wenn wir die Zahlen für 2014 beibehalten könnten, aber ich mache mir immer noch Sorgen, dass die Zahlen aufgrund der Auswirkungen des Scheiterns von 2015 falsch sein werden (obwohl 2016 zurück ist).
• ** BB / K-Zahlen sind nicht gut **
• Möglichkeit, ein Fan zu sein, obwohl er der beste Schlagmann ist

Fordern Sie erneut heraus! ~ Wie viele Schaukeln jedes Mal, wenn Sie eine auswählen

Es gibt auch K / BB, was das Gegenteil von BB / K ist, also schauen wir uns das auch an.

• Ursprünglich ein Index zur Bewertung von Krügen (Anzahl der Schläge pro vier Bälle)

** Sie können sehen, dass Yojima Steel in diesem Jahr ungefähr dreimal pro 4 Bälle geschwungen hat. **

Wenn K / BB nicht in 1.5-2.0 passt, wenn nicht so schlecht wie 6.09 im Jahr 2011 und 4.42 im Jahr 2015,

** Nr. 1 Schlagart in Bezug auf OPS, aber mehr Treffer als Chancen, auf die Basis zu kommen **

Es scheint ein schmerzhaftes Gefühl zu sein.

Die Hokkaido Nippon Ham Fighters sind ein Team, das die Daten sehr detailliert betrachtet (obwohl es ein Rätsel ist, Opferbunts zu empfehlen), und es scheint möglich, dass die Verschlechterung der Zahlen in diesem Bereich zu FA führte (tatsächlich detailliertere Zahlen & hier). Die Verteidigung, die nicht zum Ausdruck gebracht werden kann, ist ebenfalls betroffen.

Zusammenfassung (3 Minuten 4 Sekunden)

Dieser Code-Ausschnitt (1 Minute)

Hier ist eine Zusammenfassung der Schnipsel, die ich in Fragmenten geschrieben habe.

Speichern wir den positiven Stahl

Impressionen & was ich sagen möchte (2 Minuten)

Im Sinne von Python (oder PyData)

Hauptsächlich was ich sagen möchte Main (erfahren)

• ** Plötzlich ist maschinelles Lernen in Ordnung, aber ich denke, es ist eine gute Idee, mit einem vertrauten Thema zu beginnen und die Bibliothek und die Manieren zu lernen! ** ** **
• Sie können gut in dem sein, was Sie mögen
• Plötzlich ist Versuch und Irrtum bei der Arbeit schwierig. Wenn Sie es also mit einem Thema machen, mit dem Sie vertraut sind, werden Sie glücklich sein.
• Das Abrufen von Daten erfolgt, sobald Sie den Dreh raus haben, aber die Vorverarbeitung ist immer noch schwierig.
• Es gibt viele stetige Aufgaben wie das Abgleichen von Datentypen und das Durchführen von Bestätigungsberechnungen, nur durch Scraping von HP
• ** Denken Sie nicht, dass Sie die abgerufenen Daten sofort verwenden können! ** ** **
• ** Alle Mittel, aber die Virtualisierung der Umgebung ist unerlässlich! ** ** **
• venv, virtualenv Alles ist in Ordnung, daher sollte die Ausführungsumgebung virtualisiert werden
• Aus irgendeinem Grund wird beim Bearbeiten der Daten die Bibliothek angezeigt, die ich verwenden möchte.
• Dieser Artikel scheint einfach zu sein, und ich versuche und mache Fehler
• Persönlich spielt es keine Rolle, ob es sich um venv oder virtualenv handelt, aber Sie sollten in der Lage sein zu beherrschen, was Sie denken "das ist es!"!
• Auch wenn mir gesagt wurde "Meine Umgebung funktioniert plötzlich nicht mehr!" ...
• Ich habe es gewagt, ein Vorwort wie "Was ist eine virtuelle Umgebung!" Zu verfassen.

Im Sinne eines Baseballs (oder eines Sparers)

• ** Es macht Spaß, Indikatoren zu berechnen und zu berücksichtigen! ** ** **
• Python oder Excel können alles sein. Wenn Sie es also selbst ausprobieren, werden Sie viele Dinge finden.
• Werden die Medien oder Kommentare unten richtig gesprochen? ← Beispiel für eine Entdeckung
• Sie können es den ganzen Tag nur mit den Daten zerstören. Wenn es Ihnen gefällt, probieren Sie es bitte aus.
• Über Yojima Steel
• Zunächst möchte ich, dass Sie Ihren Körper richtig heilen
• Immerhin habe ich das Gefühl, dass der Höhepunkt als Spieler seit der Verletzung im Jahr 2014 gesunken ist.
• Der Anstoß ist unglücklich (obwohl er eine lange Schlagkraft hat), da es viele Treffer gibt und Sie nicht erwarten können, die Basis zu erreichen.
• Welches Team passt zu dir? ??
• Hmm ...
• Ich möchte dies etwas genauer analysieren

Ein letztes Wort (4 Sekunden)

** Warum hat es nichts mit Hanshin zu tun! ** ** **

... morgen, kimihiro_n, danke!

[Bonus] Nachschlagewerk (Baseball)

Für diejenigen, die mehr über Sabre Metrics erfahren möchten.

• Geldball
• Winning Baseball Statistics Sabre Metrics
• Big Data Baseball, die Magie der Mathematik, die die Pittsburgh Pirates, das 20. Verliererteam in Folge, wiederbelebt hat

Ich frage mich, ob es keinen Zweifel gibt, ob dieser Bereich unterdrückt wird!