溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊(cè)×
其他方式登錄
點(diǎn)擊 登錄注冊(cè) 即表示同意《億速云用戶服務(wù)條款》

如何用R語(yǔ)言ggplot2對(duì)科比的投籃數(shù)據(jù)進(jìn)行可視化展示

發(fā)布時(shí)間:2021-11-22 15:34:43 來(lái)源:億速云 閱讀:407 作者:柒染 欄目:大數(shù)據(jù)

如何用R語(yǔ)言ggplot2對(duì)科比的投籃數(shù)據(jù)進(jìn)行可視化展示,相信很多沒(méi)有經(jīng)驗(yàn)的人對(duì)此束手無(wú)策,為此本文總結(jié)了問(wèn)題出現(xiàn)的原因和解決方法,通過(guò)這篇文章希望你能解決這個(gè)問(wèn)題。

如何用R語(yǔ)言ggplot2對(duì)科比的投籃數(shù)據(jù)進(jìn)行可視化展示  
OIP.jpg

相信大部分球迷到現(xiàn)在也認(rèn)為這是一個(gè)假新聞吧,F(xiàn)ake News!

今天的推文用到的數(shù)據(jù)來(lái)自kaggle ,推文的大部分內(nèi)容是來(lái)自 https://www.kaggle.com/xvivancos/kobe-bryant-shot-selection/report

 第一步讀入數(shù)據(jù)
shots<-read.csv("Kobe/data.csv",header=T)
   查看數(shù)據(jù)維度
dim(shots)
 

數(shù)據(jù)集總共有25個(gè)變量,今天的推文重點(diǎn)關(guān)注的是

  • combined_shot_type 出手類型
  • shot_zone_range 出手距離
  • shot_zone_area 出手區(qū)域
  • shot_zone_basic 這個(gè)也是出手區(qū)域
 出手類型總共有6種
  • Jump Shot 跳投
  • Dunk 扣籃
  • Layup 上籃
  • Tip Shot 補(bǔ)籃
  • Hook Shot 勾手
  • Bank Shot 擦板

這里遇到一個(gè)疑問(wèn):為啥擦板也算一種投籃類型呢?有沒(méi)有人知道呢?

 通過(guò)柱形圖來(lái)看一下不同的出手方式大小排序
df1<-data.frame(table(shots$combined_shot_type))
df1
library(ggplot2)
ggplot(df1,aes(x=reorder(Var1,Freq),y=Freq))+
  geom_col(aes(fill=Var1))+
  geom_label(aes(label=Freq))+
  coord_flip()+
  theme_bw()+
  theme(axis.title = element_blank(),
        axis.ticks.x=element_blank(),
        axis.text.x = element_blank(),
        legend.position = "none")
 
如何用R語(yǔ)言ggplot2對(duì)科比的投籃數(shù)據(jù)進(jìn)行可視化展示  
image.png

通過(guò)上圖我們可以看出科比幾乎所有的進(jìn)攻都會(huì)選擇跳投

 接下來(lái)看一下出手距離

出手距離劃分為

  • Less Than 8 ft
  • 8-16 ft
  • 16-24 ft
  • 24+ ft
  • Back Court Shot

這里一個(gè)小知識(shí)點(diǎn)是

feet 英尺;1英尺等于0.3048米 NBA三分線7.25米;23.9英尺

library(tidyverse)
library(cowplot)
p1<-ggplot(shots,aes(x=lon,y=lat))+
  geom_point(aes(color=shot_zone_range),
             show.legend = F)+
  ylim(c(33.7,34.0883))+
  theme_void()

p2<-ggplot(shots,aes(x=fct_infreq(shot_zone_range)))+
  geom_bar(aes(fill=shot_zone_range),show.legend = F)+
  theme_bw()+
  labs(x=NULL,y=NULL)
plot_grid(p1,p2,ncol = 1,nrow = 2)
 
如何用R語(yǔ)言ggplot2對(duì)科比的投籃數(shù)據(jù)進(jìn)行可視化展示  
image.png
 接下來(lái)是出手區(qū)域,出手區(qū)域劃分為
  • 面框
  • 左右45度
  • 左右底角

p3<-ggplot(shots,aes(x=lon,y=lat))+
  geom_point(aes(color=shot_zone_area),show.legend = F)+
  theme_void()+
  ylim(c(33.7,34.0883))
p3
p4<-ggplot(shots,aes(x=fct_infreq(shot_zone_area)))+
  geom_bar(aes(fill=shot_zone_area),show.legend = F)+
  theme_bw()+
  labs(x=NULL,y=NULL)+
  theme(axis.text.x = element_text(angle=60,hjust=1))
p4
plot_grid(p3,p4,ncol = 1,nrow = 2)
 
如何用R語(yǔ)言ggplot2對(duì)科比的投籃數(shù)據(jù)進(jìn)行可視化展示  
image.png

從上圖我們可以看出科比更喜歡面框進(jìn)攻,其次是右側(cè),但是左右差別好像不大。

看完上述內(nèi)容,你們掌握如何用R語(yǔ)言ggplot2對(duì)科比的投籃數(shù)據(jù)進(jìn)行可視化展示的方法了嗎?如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道,感謝各位的閱讀!

向AI問(wèn)一下細(xì)節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI