はじめに
Bリーグでは試合日程が結果に影響するのだろうか、と下記で移動距離と勝敗データを見てみました。
https://note.mu/nanako_ut/n/n69e27420c63b
データとソースを、備忘録がてら記録します。
GoogleMapsApiを使ってみよう
GoogleMapsApiを使うためのキーを取得
- こちらを参考にGoogleMapsApiキーを取得
- pythonからGoogleMapsApiを利用するためのライブラリをインストール
- GoogleMapsApiを使ってみる
2地点間の距離を取得（徒歩の場合）
import googlemaps
from datetime import datetime
gmaps = googlemaps.Client(key='取得したAPIキー')
now = datetime.now()
directions_result = gmaps.directions("千葉県船橋市習志野台７丁目５−１",
"北海道札幌市豊平区豊平５条１１丁目１−１",
mode="walking",
departure_time=now)
directions_result[0]['legs'][0]['distance']['text']
---------------------------------------
出力結果
'1,032 km'
googlemapで試してみた結果も同じ
（「徒歩」指定で海を越える場合どうなるのか？と思ったが、船を使う前提になっていました）
modeは、"driving", "walking", "bicycling" or "transit" の4種類の指定が可能である模様
Bリーグのデータを可視化する
データ
定義、関数
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
指定した住所から２地点間の距離を取得する
始点と終点が同じだとエラーになるので、始点＝終点なら距離０とする
gmaps = googlemaps.Client(key='取得したAPIキー')
def get_distance(ad_prev, ad_next):
# 始点と終点が同じだとエラーになるので、始点＝終点なら距離０とする
if ad_prev == ad_next:
distance = '0 km'
else:
now = datetime.now()
directions_result = gmaps.directions(ad_prev,
ad_next,
mode="walking",
departure_time=now)
distance = directions_result[0]['legs'][0]['distance']['text']
return distance
指定したチームのデータを取得する
def get_tearm_data(df, team_name):
df_sec = df.query('team_name == @team_name').copy()
# 日程順にソート
df_sec.loc[0:, 'date_DT'] = pd.to_datetime(df_sec.loc[0:, 'date'], format='%Y/%m/%d')
df_sec = df_sec.sort_values('date_DT').reset_index(drop=True)
# キョリを算出
df_sec['distance_s'] = '0 Km'
df_sec['distance'] = 0
df_sec['accum'] = 0
for index, row in df_sec.iterrows():
if index > 0 :
# 距離を取得
distance = get_distance(df_sec.loc[index-1, 'address'] , df_sec.loc[index, 'address'])
df_sec.loc[index, 'distance_s'] = distance
# google map apiから「9,999 km」と返ってくるので、文字列から数値に変換する
df_sec.loc[index, 'distance'] = float(distance.replace(' km','').replace(',',''))
df_sec.loc[index, 'accum'] = df_sec.loc[index-1, 'accum'] + df_sec.loc[index, 'distance']
return df_sec
チーム名
team_name = [
'千葉ジェッツ',
'秋田ノーザンハピネッツ',
'三遠ネオフェニックス',
'滋賀レイクスターズ',
'レバンガ北海道',
'アルバルク東京',
'名古屋ダイヤモンドドルフィンズ',
'富山グラウジーズ',
'ライジングゼファー福岡',
'新潟アルビレックスBB',
'栃木ブレックス',
'川崎ブレイブサンダース',
'京都ハンナリーズ',
'大阪エヴェッサ',
'琉球ゴールデンキングス',
'シーホース三河',
'サンロッカーズ渋谷',
'横浜ビー・コルセアーズ']
チーム別の距離データを取得し、csvに保存する
# 試合結果のデータを読み込む
df = pd.read_csv('B-stats.csv')
# df_data = pd.DataFrame()
# 距離を付与したチームデータを取得
for team in team_name:
df_sec = get_tearm_data(df, team)
if team == "千葉ジェッツ":
df_data = df_sec
else:
df_data = pd.concat([df_data, df_sec])
# インデックスを振り直し
df_data.reset_index(drop=False)
# ファイルに出力
df_data.to_csv('B-stats_distance.csv')
可視化
散布図
全チーム、各試合毎の、移動距離と総得点を散布図にプロットする
# 距離を付与したデータを読み込む
df_data = pd.read_csv('B-stats_distance.csv')
# 散布図
## 得点の型をint型へ
df_data['score_int'] = df_data['score'].astype(np.int64)
## フォントを指定
sns.set(font='IPAexGothic')
sns.lmplot(x="distance", y="score_int", size=6, hue="result", scatter=True, fit_reg=False, data=df_data, markers=["x", "o"])
plt.xlabel('距離')
plt.ylabel('総得点')
plt.show()
出力結果
棒グラフ
各チーム別の移動距離を棒グラフで見てみる
# 距離を付与したデータを読み込む
df_data = pd.read_csv('B-stats_distance.csv')
# チーム別の総移動距離を求める
df_sec = df_data.groupby('abbr_team_name').sum()
# 棒グラフ
plt.figure(figsize=(10, 5))
# フォントを指定
sns.set(font='IPAexGothic')
# 文字を少し大きく（"paper"<"notebook"<"talk"<"poster")
sns.set_context("talk")
sns.barplot(x=df_sec.index, y='distance', data=df_sec)
plt.xlabel('チーム')
plt.ylabel('距離')
plt.show()
出力結果
ソース
ソースとデータはこちら
https://github.com/nanako-ut/basketball/blob/master/B-stats.csv
https://github.com/nanako-ut/basketball/blob/master/B-LEAGUE-Analyze.ipynb
参考
下記を参考に、事前に日本語フォントを追加しました