学习数据分析一月有余，终于鼓起勇气开启了自己的实战演练。本次练习的文件从BasketballReference 上下载，2016~16赛季球员数据，自定义了几个分析任务，通过R对数据框、字符、数字的操作，熟悉和掌握数据分析的基本方法。

本篇原本是在知乎上操作的。熬夜到2点写的文章因为知乎平台一个未知错误，导致图片代码全部消失，这里我只想说￥%（&%…，于是果断放弃知乎。

数据分析的一遍流程是：

业务理解=>数据准备/预处理=>分析/挖掘=>评估=>应用/部署/报告/决策

获取数据

表格的主要字段有球员姓名，位置，出场次数，首发次数等，如下图。

2016~16赛季球员数据

明确目标

分析任务是：

1. 算出得分最多的前十名
2. 各个位置（PG,SG,SF,PF,C）的最佳球员
3. 算出每个球队在16~17赛季的总得分
4. 绘制年龄和命中率的趋势图
5. 答案在最后

数据预处理

首先在windows下读取excel文件，这里有一些坑：

• 需要用到的包是openxlsx，但是有时会安装失败，这时就需要先安装Rtools
  然后在R中运行

Sys.setenv("R_ZIPCMD" = "C:/Rtools/bin/zip.exe")

• library导入所需的包之后，openxlsx中的函数read.xlsx()可以很方便的读取文件，函数中的文件路径，可以是相对路径，亦可以是绝对路径。如果使用相对路径，相对的是当前的工作目录getwd()可查看。后来发现可以使用file.choose()来直接拉取windows的文件浏览器。

nbaData <- read.xlsx(file.choose())

下载的原始数据感觉不是美美哒，需要进行数据预处理，预处理的主要工作包含重命名列，处理缺失值，处理日期，数值转换，排序。

1. 处理缺失值
   函数na.omit()用来删除数据框中含有缺失值的记录
   nbaData <- na.omit(nbaData)
2. 在原始数据中，姓名带斜杠，后面有一些标志：

好像是每个球员的某种唯一编码，不太懂。去掉好处理。

library(stringr)
fixednames <- str_split_fixed(nbaData$Player,'\\\\',n=2)[,1]
nbaData$Player <- fixednames

斜杠\是R中的转义字符，使用\\\\\\\\才能正确表达使用斜杠截取的含义，str_split_fixed是stringr中的函数，看名字就能才出来它是str_split的加强版，返回的是含有n个元素的矩阵。

• 这里遇到一个问题，某些球员如 Quincy Acy 先后在三个球队服役，这里为了方便处理，只保留第一个

nbaData <- nbaData[!duplicated(nbaData[,c("Player")]),]

计算关键指标

算出得分最多的前十名

各个位置（PG,SG,SF,PF,C）的最佳球员

每个位置的评判 标准不一样，比如控后PG就更看重助攻AST而不是篮板TRB，而中锋C的核心指标应该是篮板和盖帽BLK。况且每个字段的值域还都不一样，这就比较蛋疼了。我想到一个办法——标准化。

这里我们做一些简单的规定，对于每个位置，篮板数TRB、助攻AST、盖帽BLK、场均得分PS/G、失误PF，各自权重如下：

weightPG  <- c(0,4,0,3,-1)
weightSG <- c(0,2,1,4,-2)
weightSF <- c(2,1,2,4,-1)
weightPF <- c(3,1,3,3,-1)
weightC <- c(4,2,4,3,-1)

可能不是很合理，凑合用吧先
发现严重问题
并不是每个人的位置都是固定的，比如杰弗瑞·洛文吉这货，就既是中锋，又是大前。我想知道还有那些人担任着多种角色，进行了如下尝试：
首先定义全部的位置
allpos <- c('PG','SG','SF','PF','C')
然后查看在所有球员中，哪些人的位置在这个向量里面is.element(nbaData$Pos,allpos)
返回的是一堆逻辑向量，在总表中
nbaData[!is.element(nbaData$Pos,allpos),]
输出的结果如下

   Rk            Player  Pos Age  Tm  G GS MP  FG FGA  FG%  3P 3PA   3P%
310 254 Joffrey Lauvergne PF-C  25 TOT 70  1 14 2.1 4.8 0.44 0.5 1.4 0.337
     2P 2PA   2P% eFG%  FT FTA  FT% ORB DRB TRB AST STL BLK TOV  
310 1.6 3.4 0.483 0.49 0.7   1 0.63   1 2.6 3.6   1 0.4 0.1 0.8 1.2  5.4
    score
310   378

就只有你一个。好吧去掉。
nbaData <- nbaData[is.element(nbaData$Pos,allpos),]
把所有的球员按位置分组

PG <- nbaData[nbaData$Pos=='PG',]
SG <- nbaData[nbaData$Pos=='SG',]
SF <- nbaData[nbaData$Pos=='SF',]
PF <- nbaData[nbaData$Pos=='PF',]
C <- nbaData[nbaData$Pos=='C',]

然后用函数scale算出他们篮板数TRB、助攻AST、盖帽BLK、场均得分PS/G、失误PF的标准差，与权重相乘，求和，是他们的最终得分。
基于每个位置的方法大同小异，我以控球后卫PG为例。

valueName <-c('TRB','AST','BLK','PS/G','PF')
sd <- t(t(scale(PG[valueName ]))*weightPG)
PG$est<-  round(apply(sd,1,sum),digits=2)
PG <- PG[order(PG$est,decreasing = T),]
firstPG <- PG[1,]

好吧，这样算下来还是威斯布鲁克。
按这个步骤算出其他位置：

firstSG <- 'DeMar DeRozan'
firstSF <- 'Kevin Durant'
firstPF <- 'Kristaps Porzingis'
firstC <- 'Anthony Davis'

除了杜兰特，其他人是谁？

算出每个球队在16~17赛季的总得分

数据表中只有每个球员的得分，和所在球队，我要做的就是根据球队，计算球员的总得分，我想到了可以用SQL中的SELECT sum(score) FROM nbaData GROUP BY Tm的方法，不过既然要学习R，就要用R的方法，找了一早上，发现了tapply这个函数可以进行分组计算。

teamscore <- tapply(nbaData$score, nbaData$Tm, sum)

然后进行绘图

• paste函数默认以空格分隔，设置sep=""可以避免空格
• text函数用来为plot图表添加坐标上的数值。
• X轴上的名字总是显示不全，谁能教教我？

filename <- paste('score of each team','.png',sep="")
png(file=filename)
barplot(height=teamscore,names.arg=teams,xlab="team",ylab="score",col="blue",
        main="score of each team",border="red") 
text(x,teamscore,labels=teamscore,cex=.7,pos=1,col='orange')
dev.off()

score of each team.png

很丑我知道。

绘制年龄和命中率的趋势图

计算命中率，图表中有2P%（2分球命中率）、3P%（3分球命中率），和FT%（罚篮命中率），罚球不参与讨论。2P%和3P%打算取平局值，能说明问题就行。
nbaData$AvePR <- apply(nbaData[c('2P%','3P%')],1,mean)
首次是求出了平均值，然后绘制散点图，并根据散点图拟合出回归线。起初使用attach和detach会报错The following objects are masked _by_.GlobalEnv:查了一下原来是因为attach出来的变量有重名的，并推荐使用with。

with(nbaData,{ 
  filename <- paste('各年龄球员命中率','.png',sep="")
  png(file=filename)
  plot(Age,AvePR,pch=16,xlab="年龄",ylab="命中率",col="blue",
       main="各年龄球员命中率")
  abline(lm(AvePR~Age)) 
  dev.off() 
}) 

猜一下那个年龄最大的球员是谁。

各年龄球员命中率.png
有点意外，命中率竟然和年龄没多大关系。

nbaData[nbaData$Age == max(nbaData$Age),]

40岁的卡特

答案

1. 算出得分最多的前十名
   他们是威斯布鲁克、 哈登、小托马斯 、安东尼·戴维斯、22岁的卡尔·安东尼·唐斯、利拉德 、德玛尔·德罗赞、库里、我詹 、德马库斯·考辛斯，不服来辩。

2. 各个位置（PG,SG,SF,PF,C）的最佳球员
   控后：威斯布鲁克
   分后： 德玛尔·德罗赞
   小前： 杜兰特
   大前：克里斯塔普斯·波尔津吉斯
   中锋： 安东尼·戴维斯

3. 算出每个球队在16~17赛季的总得分
   参看上面的图。

4. 绘制年龄和命中率的趋势图
   参看上一题。

总结

6月27号开始本次本次实践，中间断断续续发生一些事情，本不该影响到学习的，到做完已经花费10多天，是不是有点慢了？恩姆。好歹自己坚持下来做完了，小小一张表竟然蕴含了这么多信息，简直太有意思，体会到所谓冰山一角的含义了。所以，慢就是快。