一个月前写了一篇“用R语言进行NBA赛况分析”用R语言进行NBA赛况分析 - 知乎专栏，这篇算是续篇，进一步发掘一些更有价值的数据，没看过上一篇的朋友建议先看一下上一篇文章，了解数据原的大概内容。
设立目标：
数据预处理：
本次分析还要用到我们上一篇中用过的几个工具包，和自定义的两个函数，所以先加载相应代码（具体参见用R语言进行NBA赛况分析 - 知乎专栏)：
#加载包
library(dplyr)
library(magrittr)
library(ggplot2)
library(ggthemes)
library(reshape2)
#定义函数，用于计算后面每位球员的2分球命中次数
two_get<-function(x){
count<-length(x)
n<-0
for(i in 1:count){
if(x[i]==2) n<-n+1
}
return(n)
}
#定义函数，用于计算后面每位球员的3分球命中次数
three_get<-function(x){
count<-length(x)
n<-0
for(i in 1:count){
if(x[i]==3) n<-n+1
}
return(n)
}
本次分析要针对128069条的所有观测，分析的对象是所有球员，所以首先将12万条数据根据不同球员进行分组统计，得到我们想要的变量：
#统计每位球员的投篮次数、命中次数、总得分、1分2分3分命中次数
by_name<-group_by(shot_logs,player_name)%>%
summarise(count=n(),
made_num=sum(FGM),
points=sum(FGM*PTS_TYPE),
three_pts_num=three_get(as.numeric(PTS)),
two_pts_num=two_get(as.numeric(PTS)),
one_pts_num=made_num-two_pts_num-three_pts_num)
目标1：线性分析
我们想知道球员的出手次数和得分是否线性相关、相关的强弱程度，可以把count变量作为自变量，points变量作为因变量，用lm()函数做一个简单的一元线性回归：
> revelant<-lm(by_name$points~by_name$count,data = by_name)
#用summary()函数得到相关参数
> summary(revelant)
Call:
lm(formula = by_name$points ~ by_name$count, data = by_name)
Residuals:
Min 1Q Median 3Q Max
-125.019 -22.961 -3.369 17.396 169.290
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.11594 5.41983 0.021 0.983
by_name$count 0.99706 0.01062 93.876 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 40.86 on 279 degrees of freedom
Multiple R-squared: 0.9693, Adjusted R-squared: 0.9692
F-statistic: 8813 on 1 and 279 DF, p-value: < 2.2e-16
#用plot()函数绘制图形
> plot(by_name$count,by_name$points,
+ xlab = 'count',ylab = 'points')
> abline(revelant)
目标2：
查看总得分前五名的球员和出手次数前五名的球员：
#得分前五
by_name.1<-by_name[order(-by_name$points),]
by_name.1<-by_name.1[1:5,]
#出手次数前五
by_name.2<-by_name[order(-by_name$count),]
by_name.2<-by_name.2[1:5,]
目标3：
得分前五名的球员在不同距离的投篮和命中情况：
#从数据原中挑出前五名球员的完整数据
data.1<-filter(shot_logs,
player_name=='mnta ellis'|
player_name=='lebron james'|
player_name=='klay thompson'|
player_name=='james harden'|
player_name=='stephen curry')
#根据不同球员的投篮次数和命中次数绘制分面直方图
ggplot(data=data.1,aes(SHOT_DIST,fill=factor(FGM)))+
geom_histogram()+
facet_grid(.~player_name)+
theme_few()
目标4：
得分前五名的球员命中的2分球和3分球所占比例：
#只留下命中的数据
data.2<-filter(data.1,data.1$FGM==1)
#根据得分情况绘制堆叠图
ggplot(data = data.2,aes(x=player_name,fill=factor(PTS)))+
geom_bar()+
theme_few()
这里画图的时候遇到了一个BUG......本来的想法是直接统计出五个球员三分的命中次数添加到五条观测里，再进行绘图，但是尝试了半天好像画图时没办法实现，最后只能根据名字筛出全部数据，然后利用ggplot绘图时自带的count功能进行绘制。
目标5：
密度图表示得分前五名的球员命中次数随距离变化情况，实际上就是把目标3里直方图的蓝色部分画的平滑一些，这样更便于观察，但是没有添加颜色，所以美观度看起来就差了一些：
ggplot(data=data.2,aes(x=SHOT_DIST))+
geom_density()+
facet_grid(player_name~.)+
theme_few()
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/31537575/viewspace-3169225/ ，如需转载，请注明出处，否则将追究法律责任。
