こんにちわ@Yoshimiです。
Tableauの可視化スキルが趣味のバスケットボールでもできたらもっと楽しくなるだろうなと思い、バスケットボールのデータの分析をしていきます。
今回、kaggleのKobe Bryant Shot Dataを使わせていただきます。
Contents
データを理解する
可視化をする前にデータの理解をしましょう。
Kobe Bryant Shot DataはNBAのスーパースターKobe Bryantが20年間のキャリアで試した全てのフィールドゴールのデータになります。
データのフィールド名は以下のようにまとまっています。
| column | columnの意味 |
|---|---|
| action_type | ショットのアクションタイプ |
| combined_shot_type | 複合的なシュートタイプ |
| game_event_id | ゲームイベントID |
| game_id | ゲームID |
| lat | 緯度（latitudeのことだと思う） |
| loc_x | loc_x |
| loc_y | loc_y |
| lon | 経度（longitudeのことだと思う） |
| minutes_remaining | 残り分 |
| period | ピリオド |
| playoffs | プレーオフ |
| season | シーズン |
| seconds_remaining | 残り秒数 |
| shot_distance | ショット距離 |
| shot_made_flag | 成功or失敗 |
| shot_type | ショットタイプ（区分） |
| shot_zone_area | ショットゾーンエリア |
| shot_zone_basic | ショットゾーン_ベーシック |
| shot_zone_range | ショットゾーン_距離 |
| team_id | チームID |
| team_name | チーム名 |
| game_date | ゲーム日付 |
| matchup | マッチアップ |
| opponent | 対戦相手 |
| shot_id | ショットID |
shot_id で一意のレコードになっています。
game_idは行われた試合のid、試合が行われた日付もgame_dateとしてあるようです。
action_typeはそのショットがどのようなショットタイプだったかのようで、「Driving Layup Shot」など、ドライブからして例アップしたと思われます。同じようなフィールドで、combined_shot_typeがありますが、データを見ると最終的なショットの分類だと考えられます。
lat、loc_x、loc_y、lonでは、位置情報もあります。
Tableauでも確認してみます。
Kobe Bryant Shot Dataを分析してみる
可視化の前に、今一度Tableauでデータを確認します。
「Shot Made Flag」をディメンションにして、行シェルフに持っていきます。
Nullがあることがわかります。
このデータは、kaggleからのデータを持ってきたわけですが、予測モデルを作成するためのデータセットですので、あえてNullとなっています。ですので、このNULLを除外して可視化を進めていきます。
時系列で分析してみる
レギュラーシーズンは10月から翌年4月となっていますので、大枠の「Season」でみていき、その後、気になるところがあれば細かくみていこうと思います。
「Season」を列シェルフ、「Shot_id」を「個別のカウント」とし、行シェルフに入れます。
2013-14のシーズンでショット数が極端に少ないことが確認できます。原因はグリズリーズ戦で相手選手との接触プレーで右膝を負傷のようです。
「Shot Made Flag」をカラーに入れます。
行セルフの「Shot_id」を右クリックで押下します。簡易表計算>合計に対する割合を選択し、次を使用して計算>セルと続けて選択していきます。ラベルをつけて割合を表示させてみます。
引退２シーズン前まで４０％以上を超えるシュートの成功率です。
どんなショットが多いのか確認してみます。
デビューから年月が経つにつれてジャンプショットの割合が多くなってきます。
ショットのタイプによる分析
