Sporto analitika su Python: našumo stebėjimo įvaldymas pasaulinėms komandoms

Šiuolaikinėje sporto eroje duomenys karaliauja. Nuo individualaus sportininkų tobulinimo iki strateginių komandos korekcijų – informacija pagrįsti sprendimai grindžiami išsamiu našumo rodiklių analize. "Python", su savo turtinga bibliotekų ekosistema ir intuityvia sintakse, tapo pirmaujančiu įrankiu sporto analitikams visame pasaulyje. Šis vadovas suteiks jums žinių ir metodų, kaip efektyviai panaudoti "Python" sporto našumo stebėjimui pasaulinėje sporto arenoje.

Kodėl "Python" sporto analitikai?

"Python" siūlo keletą privalumų sporto analitikai:

• Universalumas: "Python" gali atlikti daugybę užduočių, nuo duomenų rinkimo ir valymo iki statistinės analizės ir mašininio mokymosi.
• Platus bibliotekų pasirinkimas: Tokios bibliotekos kaip "Pandas", "NumPy", "Matplotlib", "Seaborn" ir "Scikit-learn" teikia galingus įrankius duomenų manipuliavimui, analizei, vizualizacijai ir prognozuojančiam modeliavimui.
• Bendruomenės palaikymas: Didelė ir aktyvi bendruomenė užtikrina gausybę išteklių, mokymų ir pagalbos besimokantiems "Python".
• Atvirasis kodas: "Python" yra nemokama naudoti ir platinti, todėl prieinama visų dydžių organizacijoms.
• Integracija: "Python" sklandžiai integruojasi su kitais įrankiais ir platformomis, leidžiant jums kurti pilnus analitinius procesus.

Aplinkos nustatymas

Prieš pasineriant į kodą, turėsite nustatyti savo "Python" aplinką. Rekomenduojame naudoti "Anaconda" – populiarų platinimą, kuris apima "Python" ir svarbiausias duomenų mokslo bibliotekas.

1. Atsisiųskite "Anaconda": Apsilankykite "Anaconda" svetainėje (anaconda.com) ir atsisiųskite diegimo programą savo operacinei sistemai.
2. Įdiekite "Anaconda": Vadovaukitės diegimo instrukcijomis, užtikrindami, kad "Anaconda" būtų pridėta prie sistemos aplinkos kintamojo PATH.
3. Sukurkite virtualią aplinką (neprivaloma, bet rekomenduojama): Atidarykite "Anaconda Prompt" (arba terminalą) ir sukurkite virtualią aplinką, kad izoliuotumėte projekto priklausomybes:

               conda create -n sports_analytics python=3.9
   conda activate sports_analytics
               
   
                 
                   Copy
                 
               
             

4. Įdiekite bibliotekas: Įdiekite reikiamas bibliotekas naudodami "pip":

               pip install pandas numpy matplotlib seaborn scikit-learn
               
   
                 
                   Copy
                 
               
             

Duomenų įsigijimas ir parengimas

Pirmas žingsnis bet kuriame sporto analitikos projekte yra duomenų įsigijimas. Duomenų šaltiniai gali skirtis priklausomai nuo sporto šakos ir reikalingo detalių lygio. Dažni šaltiniai apima:

• Viešieji API: Daugelis sporto lygų ir organizacijų siūlo viešus API, kurie suteikia prieigą prie realaus laiko žaidimų statistikos, žaidėjų profilių ir istorinių duomenų. Pavyzdžiai apima NBA API, NFL API ir įvairius futbolo (soccer) API.
• Interneto skrapingas: Interneto skrapingas apima duomenų ištraukimą iš svetainių. Bibliotekos, tokios kaip "BeautifulSoup" ir "Scrapy", gali būti naudojamos šiam procesui automatizuoti. Tačiau atkreipkite dėmesį į svetainių paslaugų teikimo sąlygas ir "robots.txt" failus.
• CSV failai: Duomenys gali būti pasiekiami CSV (Comma Separated Values) failuose, kuriuos lengva importuoti į "Pandas" DataFrame.
• Duomenų bazės: Sporto duomenys dažnai saugomi duomenų bazėse, tokiose kaip "MySQL", "PostgreSQL" ar "MongoDB". "Python" bibliotekos, tokios kaip "SQLAlchemy" ir "pymongo", gali būti naudojamos šioms duomenų bazėms prijungti ir duomenims gauti.

Pavyzdys: duomenų skaitymas iš CSV failo

Tarkime, kad turite CSV failą su krepšinio komandos žaidėjų statistika. Failas pavadintas `player_stats.csv` ir turi tokius stulpelius kaip `PlayerName`, `GamesPlayed`, `Points`, `Assists`, `Rebounds` ir t.t.

```python import pandas as pd # Skaityti CSV failą į Pandas DataFrame df = pd.read_csv("player_stats.csv") # Spausdinti pirmas 5 DataFrame eilutes print(df.head()) # Gauti apibendrintą statistiką print(df.describe()) ```

Duomenų valymas ir paruošimas

Neapdorotuose duomenyse dažnai būna klaidų, trūkstamų reikšmių ir neatitikimų. Duomenų valymas ir paruošimas yra labai svarbūs žingsniai, siekiant užtikrinti jūsų analizės kokybę ir patikimumą. Dažnos užduotys apima:

• Trūkstamų reikšmių tvarkymas: Įterpkite trūkstamas reikšmes naudodami tokius metodus kaip vidurkio įterpimas, medianos įterpimas arba regresinis įterpimas. Alternatyviai, pašalinkite eilutes ar stulpelius su dideliu kiekiu trūkstamų reikšmių.
• Duomenų tipų konvertavimas: Užtikrinkite, kad duomenų tipai būtų nuoseklūs ir tinkami analizei. Pavyzdžiui, konvertuokite skaitinius stulpelius į skaitinius duomenų tipus, o datos stulpelius – į "datetime" objektus.
• Išorinių reikšmių pašalinimas: Nustatykite ir pašalinkite išorines reikšmes, kurios gali iškraipyti jūsų analizę. Tokie metodai kaip Z-rezultatų analizė ar dėžutės diagramos gali būti naudojami išorinėms reikšmėms nustatyti.
• Duomenų transformacija: Taikykite transformacijas, tokias kaip skalavimas, normalizavimas ar standartizavimas, kad pagerintumėte mašininio mokymosi algoritmų našumą.
• Savybių inžinerija: Kurkite naujas savybes iš esamų, kad užfiksuotumėte daugiau aktualios informacijos. Pavyzdžiui, apskaičiuokite žaidėjo taškus už žaidimą (PPG), padalydami jo bendrą taškų skaičių iš sužaistų žaidimų skaičiaus.

Pavyzdys: trūkstamų reikšmių tvarkymas ir savybių inžinerija

```python import pandas as pd import numpy as np # Pavyzdinis DataFrame su trūkstamomis reikšmėmis data = { 'PlayerName': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'], 'GamesPlayed': [10, 12, 8, 15, 11], 'Points': [150, 180, np.nan, 225, 165], 'Assists': [30, 35, 20, np.nan, 40], 'Rebounds': [50, 60, 40, 70, 55] } df = pd.DataFrame(data) # Įterpkite trūkstamas reikšmes su vidurkiu df['Points'].fillna(df['Points'].mean(), inplace=True) df['Assists'].fillna(df['Assists'].mean(), inplace=True) # Savybių inžinerija: apskaičiuokite taškus už žaidimą (PPG) df['PPG'] = df['Points'] / df['GamesPlayed'] # Spausdinkite atnaujintą DataFrame print(df) ```

Našumo rodikliai ir analizė

Kai jūsų duomenys bus švarūs ir paruošti, galėsite pradėti skaičiuoti našumo rodiklius ir atlikti analizę. Konkretūs rodikliai ir analizės metodai priklausys nuo sporto šakos ir tyrimo klausimo. Štai keletas pavyzdžių:

Krepšinis

• Taškai už žaidimą (PPG): Vidutinis taškų skaičius, pelnytų per žaidimą.
• Perdavimai už žaidimą (APG): Vidutinis rezultatyvių perdavimų skaičius per žaidimą.
• Atkovoti kamuoliai už žaidimą (RPG): Vidutinis atkovotų kamuolių skaičius per žaidimą.
• Tikrasis metimų procentas (TS%): Tikslesnis metimų efektyvumo matas, atsižvelgiant į 2 taškų, 3 taškų metimus ir baudų metimus.
• Žaidėjo efektyvumo reitingas (PER): Džono Hollingerio sukurtas per minutę reitingas, bandantis apibendrinti žaidėjo indėlį vienu skaičiumi.
• Pergalės akcijos (WS): Žaidėjo indėlio į pergales vertinimas.
• Plius-minus (+/-): Taškų skirtumas, kai žaidėjas yra aikštelėje.

Futbolas (Soccer)

• Įmušti įvarčiai: Bendras įmuštų įvarčių skaičius.
• Rezultatyvūs perdavimai: Bendras rezultatyvių perdavimų skaičius.
• Smūgiai į vartus: Smūgių, pataikiusių į vartų plotą, skaičius.
• Rezultatyvių perdavimų procentas: procentas perdavimų, pasiekusių numatytą tikslą.
• Perimti kamuoliai: Atliktų perėmimų skaičius.
• Perimti perdavimai: Atliktų perėmimų skaičius.
• Kamuolio kontrolės procentas: procentas laiko, kurį komanda kontroliuoja kamuolį.
• Laukiama įvarčių (xG): rodiklis, vertinantis smūgio tikimybę virsti įvarčiu.

Beisbolas

• Baterijos vidurkis (AVG): įmuštų taškų skaičius, padalintas iš "at-bats" skaičiaus.
• Pasiekimo bazės procentas (OBP): procentas kartų, kai bateris pasiekia bazę.
• Slugging procentas (SLG): baterio galios matas.
• Pasiekimo bazės plius slugging (OPS): OBP ir SLG suma.
• Uždirbtų taškų vidurkis (ERA): vidutinis "earned runs" skaičius, kurį metikas leidžia per devynis "innings".
• Pergalės virš pakeitimo (WAR): įvertinimas, kiek pergalių žaidėjas prisideda prie savo komandos, palyginti su pakeitimo lygio žaidėju.

Pavyzdys: krepšinio žaidėjų statistikos skaičiavimas

```python import pandas as pd # Pavyzdinis DataFrame data = { 'PlayerName': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'], 'GamesPlayed': [10, 12, 8, 15, 11], 'Points': [150, 180, 120, 225, 165], 'Assists': [30, 35, 20, 45, 40], 'Rebounds': [50, 60, 40, 70, 55], 'FieldGoalsMade': [60, 70, 50, 90, 65], 'FieldGoalsAttempted': [120, 140, 100, 180, 130], 'ThreePointShotsMade': [10, 15, 5, 20, 12], 'FreeThrowsMade': [20, 25, 15, 30, 28], 'FreeThrowsAttempted': [25, 30, 20, 35, 33] } df = pd.DataFrame(data) # Apskaičiuokite PPG, APG, RPG df['PPG'] = df['Points'] / df['GamesPlayed'] df['APG'] = df['Assists'] / df['GamesPlayed'] df['RPG'] = df['Rebounds'] / df['GamesPlayed'] # Apskaičiuokite "True Shooting Percentage" (TS%) df['TS%'] = df['Points'] / (2 * (df['FieldGoalsAttempted'] + 0.475 * df['FreeThrowsAttempted'])) # Spausdinkite atnaujintą DataFrame print(df) ```

Duomenų vizualizacija

Duomenų vizualizacija yra būtina, norint perduoti savo radinius ir įžvalgas treneriams, žaidėjams ir kitiems suinteresuotiems asmenims. "Python" siūlo keletą bibliotekų informatyviems ir vizualiai patraukliems diagramoms ir grafikai kurti, įskaitant "Matplotlib" ir "Seaborn".

Pavyzdys: žaidėjų našumo vizualizavimas

```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # Pavyzdinis DataFrame (naudojami tie patys duomenys kaip anksčiau, bet darant prielaidą, kad jie jau išvalyti ir paruošti) data = { 'PlayerName': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'], 'PPG': [15.0, 15.0, 15.0, 15.0, 15.0], 'APG': [3.0, 2.92, 2.5, 3.0, 3.64], 'RPG': [5.0, 5.0, 5.0, 4.67, 5.0], 'TS%': [0.55, 0.54, 0.53, 0.56, 0.57] } df = pd.DataFrame(data) # Nustatyti stilių grafikams sns.set(style="whitegrid") # Sukurti PPG stulpelinę diagramą plt.figure(figsize=(10, 6)) sns.barplot(x='PlayerName', y='PPG', data=df, palette='viridis') plt.title('Taškai už žaidimą (PPG) pagal žaidėją') plt.xlabel('Žaidėjo vardas') plt.ylabel('PPG') plt.show() # Sukurti APG ir RPG taškinę diagramą plt.figure(figsize=(10, 6)) sns.scatterplot(x='APG', y='RPG', data=df, s=100, color='blue') plt.title('Perdavimai už žaidimą (APG) prieš Atkovotus kamuolius už žaidimą (RPG)') plt.xlabel('APG') plt.ylabel('RPG') plt.show() # Sukurti koreliacijos matricos šilumos žemėlapį correlation_matrix = df[['PPG', 'APG', 'RPG', 'TS%']].corr() plt.figure(figsize=(8, 6)) sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', linewidths=.5) plt.title('Žaidėjų statistikos koreliacijos matrica') plt.show() #Sukurti "Pairplot" sns.pairplot(df[['PPG', 'APG', 'RPG', 'TS%']]) plt.show() ```

Šis kodas sukurs stulpelinę diagramą, rodančią kiekvieno žaidėjo PPG, taškinę diagramą, rodančią APG ir RPG santykį, šilumos žemėlapį, rodantį numerinių savybių koreliacijas, ir "pairplot", kad būtų galima ištirti kintamųjų ryšius. Eksperimentuokite su skirtingais diagramų tipais ir tinkinimo parinktimis, kad sukurtumėte vizualizacijas, kurios efektyviai perduotų jūsų įžvalgas. Pasirinkite spalvų paletes ir šriftų dydžius, kurie būtų lengvai skaitomi pasaulinei auditorijai, ir, pateikdami duomenis, atkreipkite dėmesį į spalvų kultūrinius asociacijas.

Mašininis mokymasis našumo prognozavimui

Mašininis mokymasis gali būti naudojamas prognozuojantiems modeliams kurti įvairiems sporto našumo aspektams, tokiems kaip žaidimo rezultatų prognozavimas, žaidėjų traumų prognozavimas ar žaidėjų reitingų prognozavimas. Dažni sporto analitikoje naudojami mašininio mokymosi algoritmai apima:

• Regresijos modeliai: Prognozuoja nuolatinius kintamuosius, tokius kaip pelnyti taškai ar žaidimų rezultatai.
• Klasifikavimo modeliai: Prognozuoja kategorinius kintamuosius, tokius kaip pergalė/pralaimėjimas ar žaidėjo pozicija.
• Klasterizavimo modeliai: Grupuoja žaidėjus ar komandas pagal jų našumo charakteristikas.
• Laiko serijų modeliai: Analizuoja tendencijas ir modelius laikui priklausomuose duomenyse, tokiuose kaip žaidimų rezultatai ar žaidėjų statistika laikui bėgant.

Pavyzdys: žaidimo rezultatų prognozavimas su logistine regresija

```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score # Pavyzdinis DataFrame (pakeiskite savo tikraisiais duomenimis) data = { 'TeamA_Points': [100, 95, 110, 85, 90, 105, 115, 120, 98, 102], 'TeamB_Points': [90, 100, 105, 90, 85, 100, 110, 115, 95, 100], 'TeamA_Win': [1, 0, 1, 0, 1, 1, 1, 1, 1, 1] } df = pd.DataFrame(data) # Paruošti duomenis X = df[['TeamA_Points', 'TeamB_Points']] y = df['TeamA_Win'] # Padalinti duomenis į mokymo ir testavimo rinkinius X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # Mokyti logistinės regresijos modelį model = LogisticRegression() model.fit(X_train, y_train) # Atlikti prognozes testavimo rinkinyje y_pred = model.predict(X_test) # Įvertinti modelį accuracy = accuracy_score(y_test, y_pred) print(f'Tikslumas: {accuracy}') # Prognozuoti naujo žaidimo rezultatą new_game = pd.DataFrame({'TeamA_Points': [110], 'TeamB_Points': [95]}) prediction = model.predict(new_game) print(f'Prognozė naujam žaidimui: {prediction}') # 1 reiškia, kad laimėjo komanda A, 0 reiškia, kad laimėjo komanda B ```

Šis pavyzdys parodo, kaip naudoti logistinę regresiją žaidimo rezultatams prognozuoti pagal komandų rezultatus. Atminkite, kad patikimam modelio mokymui naudokite daug didesnį duomenų rinkinį. Tikslumas su mažu duomenų rinkiniu, tokiu kaip pateiktas aukščiau, gali neatspindėti tikrojo modelio efektyvumo. Savybių masteliavimui naudojant `StandardScaler` taip pat labai patartina. Taip pat apsvarstykite kitus veiksnius, tokius kaip žaidėjų statistika, namų pranašumas ir pan., kad padidintumėte tikslumą. Pasauliniams duomenims, norint toliau patobulinti jūsų modelius, atsižvelkite į tokius aspektus kaip stadiono aukštis, vietos oro sąlygos ir tipinis komandų kelionių nuovargis.

Veiksmingos įžvalgos ir pritaikymai

Pagrindinis sporto analitikos tikslas yra teikti veiksmingas įžvalgas, kurios gali pagerinti našumą. Štai keletas pavyzdžių, kaip galima pritaikyti našumo stebėjimą:

• Žaidėjų ugdymas: Nustatykite sritis, kuriose žaidėjai gali tobulinti savo įgūdžius, ir atitinkamai pritaikykite treniruočių programas. Pavyzdžiui, metimų statistikos analizė gali padėti krepšininkui nustatyti savo metimų formos trūkumus.
• Komandinė strategija: Kurkite strategijas, pagrįstas varžovų analize ir žaidėjų poromis. Pavyzdžiui, perdavimų modelių analizė gali padėti futbolo komandai nustatyti varžovų gynybos silpnąsias vietas.
• Traumų prevencija: Stebėkite žaidėjų darbo krūvį ir nustatykite traumų rizikos veiksnius. Pavyzdžiui, sekant bėgimo atstumą ir pagreitį, galima išvengti sportininkų perkrovimo traumų.
• Įdarbinimas ir skautingas: Vertinkite potencialius kandidatus, remdamiesi jų našumo duomenimis, ir nustatykite žaidėjus, kurie atitinka komandos žaidimo stilių. Pavyzdžiui, mušimo statistikos analizė gali padėti beisbolo komandai nustatyti perspektyvius jaunus muštukus.
• Sprendimai žaidimo dieną: Priimkite informuotus sprendimus žaidimo metu, tokius kaip žaidėjų pakeitimai ir taktiniai koregavimai. Pavyzdžiui, realaus laiko statistikos analizė gali padėti treneriui laiku atlikti pakeitimus, kad išnaudotų varžovų silpnumus.
• Gerbėjų įtraukimas: Teikite gerbėjams įtraukiančio turinio ir įžvalgų, pagrįstų duomenų analize. Pavyzdžiui, žaidėjų našumo vizualizacijos gali pagerinti gerbėjų patirtį ir skatinti gilesnį žaidimo supratimą. Apsvarstykite galimybę teikti išverstus svarbiausių statistikos rodiklių paaiškinimus pasaulinei auditorijai.

Etiniai aspektai

Sporto analitikai tobulėjant, svarbu atsižvelgti į duomenų rinkimo ir analizės etinius aspektus. Kai kurie svarbūs etiniai aspektai apima:

• Duomenų privatumas: Apsaugokite žaidėjų duomenis ir užtikrinkite, kad jie būtų naudojami atsakingai ir etiškai. Gaukite informuotą žaidėjų sutikimą prieš rinkdami ir analizuodami jų duomenis.
• Duomenų saugumas: Įgyvendinkite saugumo priemones, kad būtų išvengta neteisėtos prieigos prie žaidėjų duomenų.
• Šališkumas ir teisingumas: Būkite informuoti apie galimus duomenų ir algoritmų šališkumus ir imkitės priemonių jiems sumažinti. Užtikrinkite, kad analitiniai modeliai būtų teisingi ir nediskriminuotų tam tikrų žaidėjų grupių.
• Skaidrumas ir aiškinamumas: Paaiškinkite, kaip veikia analitiniai modeliai ir kaip jie naudojami sprendimams priimti. Būkite skaidrūs dėl modelių apribojimų ir galimybės klysti.

Išvada

"Python" suteikia galingą ir universalią platformą sporto analitikai, leidžiančią stebėti ir analizuoti žaidėjų ir komandos našumo duomenis, įgyti konkurencinį pranašumą ir priimti informuotus sprendimus. Įvaldydami šiame vadove aprašytus metodus, galėsite atskleisti visą "Python" potencialą sporto analitikai ir prisidėti prie sporto našumo pažangos pasaulinėje arenoje. Atminkite nuolat atnaujinti savo žinias apie naujausius duomenų mokslo ir mašininio mokymosi pasiekimus, ir visada stenkitės naudoti duomenis etiškai ir atsakingai.

Tolesnės mokymosi galimybės

• Internetiniai kursai: "Coursera", "edX" ir "Udacity" siūlo daugybę kursų apie "Python" programavimą, duomenų mokslą ir mašininį mokymąsi.
• Knygos: "Python for Data Analysis" (autorius Wes McKinney), "Data Science from Scratch" (autorius Joel Grus) ir "Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow" (autorius Aurélien Géron) yra puikūs ištekliai mokantis "Python" ir duomenų mokslo.
• Tinklaraščiai ir svetainės: "Towards Data Science", "Analytics Vidhya" ir "Machine Learning Mastery" yra populiarūs tinklaraščiai, apimantys platų temų spektrą duomenų mokslo ir mašininio mokymosi srityse.
• Sporto specifiniai ištekliai: Ieškokite svetainių ir tinklaraščių, kurie specializuojasi sporto analitikoje jūsų pasirinktoje sporto šakoje. Daugelis lygų ir komandų taip pat skelbia savo duomenis ir analizę.

Būsite informuoti ir nuolat mokydamiesi, galėsite tapti vertingu bet kurios sporto organizacijos turtu ir prisidėti prie įdomaus sporto analitikos pasaulio.