python篮球比赛预测数据分析统计服_用python基于2015-2016年的NBA常规赛及季后赛的统计数

nba球队的Elo score计算

特征向量

逻辑回归

python2.7

Xfce终端

python2.7

Xfce终端

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

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

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

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

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%=runsscored2+runsallowed2runsscored2

毕达哥拉斯定律:win% = frac{{runs scored}^2}{{runs scored}^2 + {runs allowed}^2}win%=runsscored2+runsallowed2runsscored2

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:

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

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:

$ cdCode$ mkdir cs_782 && cdcs_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

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

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 -*-importpandas aspd importmath importcsv importrandom importnumpy asnp fromsklearn importcross_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definitialize_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') returnteam_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:

defget_elo(team):try: returnteam_elos[team] except: # 当最初没有elo时,给每个队伍最初赋base_eloteam_elos[team] = base_elo returnteam_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defcalc_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) / 400odds = 1/ ( 1+ math.pow( 10, exp)) # 根据rank级别修改K值ifwinner_rank < 2100: k = 32elifwinner_rank >= 2100andwinner_rank < 2400: k = 24else: k = 16new_winner_rank = round(winner_rank + (k * ( 1- odds))) new_rank_diff = new_winner_rank - winner_rank new_loser_rank = loser_rank - new_rank_diff returnnew_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):

defbuild_dataSet(all_data):print( "Building data set..") X = [] skip = 0forindex, row inall_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ifrow[ 'WLoc'] == 'H': team1_elo += 100else: 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forkey, value inteam_stats.loc[Wteam].iteritems(): team1_features.append(value) forkey, value inteam_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ifrandom.random() > 0.5: X.append(team1_features + team2_features) y.append( 0) else: X.append(team2_features + team1_features) y.append( 1) ifskip == 0: printX 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 returnnp.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:

defpredict_winner(team_1, team_2, model):features = [] # team 1,客场队伍features.append(get_elo(team_1)) forkey, value inteam_stats.loc[team_1].iteritems(): features.append(value) # team 2,主场队伍features.append(get_elo(team_2) + 100) forkey, value inteam_stats.loc[team_2].iteritems(): features.append(value) features = np.nan_to_num(features) returnmodel.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 = [] forindex, row inschedule1617.iterrows(): team1 = row[ 'Vteam'] team2 = row[ 'Hteam'] pred = predict_winner(team1, team2, model) prob = pred[ 0][ 0] ifprob > 0.5: winner = team1 loser = team2 result.append([winner, loser, prob]) else: winner = team2 loser = team1 result.append([winner, loser, 1- prob]) withopen( '16-17Result.csv', 'wb') asf: 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。

数据挖掘入门与实战

教你机器学习,教你数据挖掘

公众号: weic2c

据分析入门与实战

本文链接:https://my.lmcjl.com/post/13415.html

展开阅读全文

4 评论

留下您的评论.