NBAatlantic

Мемфис наконец-то одержал первую победу в сезоне. Но поздравим мы его с этим не самым весёлым графиком. Это сравнение места Мемфиса в лиге по некоторым показателям по итогам прошлого сезона и первых 7 игр этого. Нападение из выше среднего стало ужасным, защита из топовой стала средней, отношение передачи/потери рухнуло на 19 позиций. При этом по эффективности бросков мишки остались примерно там же, а по количеству владений за игру даже поднялись на пару позиций (теперь шестые).

Маркетинг против данных. Альтернативная раскраска площадки вывела из строя не только людей с тонким чувством прекрасного. Любая модель машинного обучения сталкивается с большими проблемами, когда получает пример, которого не было в выборке(out-of-distribution). Сегодня аналитики команд НБА вместо трекинг-данных по игре Индиана-Кливленд получили сообщение, что данные получились некорректными. Можно сказать, что у Hawk-eye вытекли eye.

Сезон в НБА стартовал, однако мир баскетбола одной лигой не заканчивается. В Старом свете вовсю идёт Евролига, в которой есть своя изюминка и интересные матчи (вчера, например, баскетболисты открыли сезон "2 эль-классико за 3 дня", который завтра продолжат на Олимпийском стадионе). Хочу посоветовать канал Алёша про евролигу, который позволит вам находится в курсе событий главного баскетбольного турнира Европы. Для люителей посмотреть видосики в канале много медиа-контента.

В прошлом году перед стартом сезона я сделал небольшой анализ распределения зарплат в командах (https://www.sports.ru/tribuna/blogs/atlanticbrains/3074506.html). Решил повторить упражнение, благо код можно запускать почти без исправлений. Статья будет позже, а сейчас можно сказать, что распределение зарплат выровнялось: только ЛАК имеет суммарный ранг первых 10 игроков в платёжке меньше 100 (в прошлом году таких команд было 4) и ни одна команда не имеет суммарный ранг больше 200 ( в прошлом году таких команд было 5). Финикс проделал путь от топ-3 команды по рангам до боттом-4. Там классика контендера: первая тройка по зп в топ-2, Нуркич 14, остальные не выше 26.

Как я и говорил, добавили возможность работать с NBA API версии 3 в библиотеку nba_api. 11 новых конечных точек, 2 из которых уникальны (работают только в третьей версии): Защитный боксскор (пример) Матчап боксскор (пример) Код для установки библиотеки:

pip intsall nba_api

Код для обновления библиотеки:

pip install nba_api --upgrade

#basketball #nba #python

Немного о ближайщих планах: - Обновить пакет nba-on-court и выложить аналогичный на языке R для удобной работы с репозиторием play-by-play данных из первого пункта (загрузка, объединение данных из разных источников плюс добавление игроков на площадке (тоже самое, что в пункте 3). - Выложить датасет с данными NBA playtype на гитхаб. Проблема работы с этими данными с сайта НБА в том, что у них нет фильтра по датам, соответственно вся статистика накопительная. Можно посмотреть какие розыгрыши игрок использовал за все свои игры в сезоне, но нельзя посмотреть конкретную. Выход один: собирать данные каждый день, фиксировать изменения в них, вычитать текущие значения из предпоследних, получая таким образом информацию о последней игре. Этим я и занимался весь прошлый сезон (на самом деле три сезона, но пока я собирался обработать сырые данные, предыдущие данные потерялись). Все раскладки по типам розыгрышей в статьях про последний ПО именно из этих данных. - Обновить репозиторий метрики PIMS (НБА). Кратко: PIMS (Partner's IMpact on Shots selection) - метрика того, как наличие/отсутствие партнёра по команде влияет на координаты бросков игрока. Я уже выкладывал результаты пару лет назад, но сейчас немного обновил методику (вместо прибитых в код значений линейная регрессия), осталось всё это дело оформить. - Разобраться наконец-то с данными, пакетами, источниками футбольных данных и сделать что-нибудь интересное))) Шэринг информации и поддержка на гитхабе приветствуется!)

Из-за увеличения загрузки дома и на работе немного выпал из ритма в последние полтора месяца, но не пропал совсем. В этой заметке перечислю то, что было мною сделано за лето в плане спортивной статистики: 1. Обновил репозиторий с данными play-by-play НБА. Теперь там есть не только регулярные сезоны, но и плей-офф. Также добавил код сбора данных и создания датасета. Гитхаб (язык: R) 2. Создал пакет nba_apiv3. Это форк пакета nba_api, в котором, сохраняя структуру кода для конечного пользователя, добавлена возможность получать данные с NBA API версии 3 (nba_api работает пока только с версиями 1 и 2). В нём 11 конечных точек (из 13, которые имеют третью версию), две из которых работают только в этой версии NBA API: boxscoredefensive и boxscorematchups. Последняя точка довольно интересна, она даёт информацию о том, кто против кого защищался (сколько владений и как успешно) и именно невозможность получить эти данные заставила меня разбираться почему так. Пакет выложен на pypi и спокойно устанавливается через pip install. Можете попробовать с ним поработать, для конечного пользователя он ничем не отличается от пакета-родителя, но я бы посоветовал немного подождать. Созданием этого пакета удалось торпедировать работу по добавлению точек версии 3 в nba_api на основе моих изменений, так что надеюсь в скором времени необходимость в моём пакете отпадёт. Гитхаб (язык: Python) 3. Теперь перейдём к PR в чужие проекты. В пакет hoopR (аналог nba_api на языке R) в функцию получения play-by-play данных добавил параметр on_court. При значении True к данным добавятся 10 столбцов, которые содержат ID игроков, находившихся на площадке в момент события. Данные структурированы (сначала идут игроки команды гостей, затем хозяев), что упростит составление разных комбинаций (например, сколько потерь сделал игрок А, когда игрок Б был на площадке, а игрок В нет). Описание функции hoopR::nba_pbps (язык: R) 4. Не баскетболом единым. Добавил пару функций в пакет worldfootballR. Пакет позволяет собирать данные с нескольких крупных футбольных сайтов (трансфермаркт, fbref, understat). Одна функция (worldfootballR::understat_available_teams) вспомогательная, возвращает список доступных команд на сайте understat. Чтобы получить id игр нужно было вводить название команды вручную, причём так, как она записана на сайте, что неудобно (всегда можно ошибиться). Теперь можно получить список команд и выбрать нужные. Вторая (worldfootballR::fb_team_match_stats) возвращает статистику команды в игре (владение, точность передач, фолы и т.д.), всё, что находится на fbref страницы игры под заголовком Team Stats. Сделал это в первую очередь из-за того, что ни одна функция пакета не давала получить информацию о проценте владения мячом. У меня есть идея исследования, где такая информация нужна и чтобы не плодить самописный код, решил добавить в общий котёл. Отмечу, что виньетки на сайте ещё не обновились и информации о описания этих функций пока нет, но ими уже можно воспользоваться, установив последнюю версию пакета с гитхаба. Гитхаб (язык: R)

Upd. Кевин поделился полными результатами расчёта https://docs.google.com/spreadsheets/d/17hqGgycK-keoQX9RQVdGdPcbDTfPm8f0XCGVhKQ99gM/edit?usp=sharing