2022年MLB大谷翔平選手のスイーパーをPythonで調べてみた

はじめに

先月のWBCで大谷翔平選手が大活躍したことは記憶に新しいですが、最近TVで大谷翔平選手が投げるスイーパーの曲がりが凄いと耳にします。

"スイーパー"って聞きなれないな？と思って調べたらどうやらMLBが今期から認定した新球種らしいということがわかりました。
https://news.yahoo.co.jp/byline/kikuchiyoshitaka/20230413-00345439

簡単に言うと、横に大きく曲がるスライダ―を"スイーパー"と呼ぶのだとか。
(縦のスライダ―と横のスライダ―を区別したという感じですかね。。)

おもしろいことにチャットGPTに聞いても答えてくれませんした笑

サッカーでキーパーに張りついてディフェンスする人を"スイーパー"と呼ぶのですが、最近はこちらも全然聞きませんね。

さて、話が大きくそれましたが、今回はその大谷翔平選手が投げる"スイーパー"に興味が出たので、2022年のMLBでのデータを基にPythonを用いて簡単に調べてみました。

データ取得

まず、2022年のMLBのデータですが、以下のサイトで手に入れました。
https://baseballsavant.mlb.com/statcast_search

検索画面で、Seasonを2022年、Grope ByをTeamにして検索を行うと

メジャーリーグ全30球団が表示されます。この各球団をそれぞれ選択し、右のGraphsからDownload CSVをクリックすると、csvファイルをダウンロードすることができます。

以下のように、全30MLB球団のcsvファイルのダウンロードが完了したら

今度はそれらを扱いやすいように、30個あるcsvファイルを1つのcsvファイルにまとめました。
(参照: https://webdesign-ginou.com/csv_matome)

このようにしてできたメジャーリーグ全30球団の投手データを"mlb_all_pitcher_data.csv"名前で保存。
以降では、そのファイルをGoogle Drive上にマウントし、実行環境はColabを用いることを前提として説明を行っていきます。

Pythonコードの実行

まずは、csvファイルを読み込むのに必要なPolarsというPythonのライブラリで読み込みます。

Polarsは、以下のコマンドでインストールする必要があります。

!pip install polars

インストールが完了したら、Polarsを読み込みます。

import polars as pl

これでPolarsを利用することができるようになりました。

さて、いよいよ作成したMLBのデータの読み込みに入りますが、カラムについては92個もあり、正直不要なものがたくさんあったため、必要なカラムのみ読み込みを行いました。

※カラム情報は以下の公式の説明を参考にしました。
https://baseballsavant.mlb.com/csv-docs

上記をもとに、あらかじめ自分の主観で使えそうだと思ったものを選び、カラム名をリスト格納。

columns = ["pitch_type","player_name","release_speed","release_pos_x","release_pos_z","events","stand","pfx_z","pfx_x"]

上記で選定したカラムのみ読み込みました。

pl_mlb_pitch_data=pl.read_csv("./data/mlb_all_pitcher_data.csv",columns=columns)
pl_mlb_pitch_data.head(5) # 先頭の5行を表示

以下がその出力。

release_speed	release_pos_x	release_pos_z	player_name	events	stand	pfx_x	pfx_z	pitch_name
93.4	-1.06	5.9	"Stephens, Jack…"	"field_out"	"R"	-1.23	0.7	"Sinker"
93.3	-1.01	5.97	"Stephens, Jack…"	null	"R"	-0.63	1.11	"4-Seam Fastbal…
91.6	-1.41	5.91	"Stephens, Jack…"	null	"R"	-0.68	1.17	"4-Seam Fastbal…
84.1	-1.45	5.8	"Stephens, Jack…"	null	"R"	-0.87	0.29	"Changeup"
75.2	-1.44	5.98	"Stephens, Jack…"	"field_out"	"L"	1.44	-0.89	"Curveball"

なお、全体の件数としては約70万8千でした。

len(pl_mlb_pitch_data) # 全体の件数を確認 

708540

さらにまた、読み込みんだデータフレームを今回の大谷翔平選手のスイーパーを調べるという目的を達成するために必要そうな利用するカラムだけに絞るということを行ったり、カラム名の日本語化、単位の変換(インチ→cmやマイル→km/h)などのデータの加工をPythonコードを用いて行いました。

df_mlb_pitch_processing_data = df_mlb_pitch_data.with_columns([(pl.col("pfx_x") * 30.48).alias("横の変化量")])
df_mlb_pitch_processing_data = df_mlb_pitch_processing_data.with_columns([(pl.col("pfx_z") * 30.48).alias("縦の変化量")])
df_mlb_pitch_processing_data = df_mlb_pitch_processing_data.with_columns([(pl.col("release_speed") * 1.609).alias("球速")])
df_mlb_pitch_processing_data = df_mlb_pitch_processing_data.with_columns([(pl.col("pitch_name")).alias("変化球名")])
df_mlb_pitch_processing_data = df_mlb_pitch_processing_data.with_columns([(pl.col("player_name")).alias("投手名")])
df_mlb_pitch_select_data = df_mlb_pitch_processing_data[["投手名","変化球名","球速","縦の変化量","横の変化量"]]
df_mlb_pitch_select_data.head() # 確認

結果は以下のように加工しました。

投手名	変化球名	球速	縦の変化量	横の変化量
Stephens, Jack…	"Sinker"	150.2806	21.336	-37.4904
Stephens, Jack…	"4-Seam Fastbal	150.1197	33.8328	-19.2024
Stephens, Jack…	"4-Seam Fastbal	147.3844	35.6616	-20.7264
Stephens, Jack…	"Changeup"	135.3169	8.8392	-26.5176
Stephens, Jack…	"Curveball"	120.9968	-27.1272	43.8912

さらに今回は変化球がスイーパーの場合を調べたいので、変化球を"スイーパー"のみに抽出し、さらに投手ごとのスイーパーの"球速"、"縦の変化量"、"横の変化量"の平均を集計するということを行いました。

# Sweeperのとき
df_pitch_Sweeper = df_mlb_pitch_select_data.filter(pl.col("変化球名") == "Sweeper")
df_pitch_Sweeper = df_pitch_Sweeper.filter(pl.col("横の変化量") >0) # Sweeperの横の変化量が正のみ(負を除く)
df_pitch_Sweeper_ave = df_pitch_Sweeper[["投手名","球速","縦の変化量","横の変化量"]].groupby("投手名").mean() #MLB全投手のSweeperの平均値
df_pitch_Sweeper_ave.head() # 確認

結果は以下のようになりました。上手く投手ごとに集計されたようです。

投手名	球速	縦の変化量	横の変化量
Feltner, Ryan	132.072083	5.706533	29.142267
Voth, Austin	134.631247	18.620509	30.791727
Murfee, Penn	128.307379	6.599039	42.844641
Nogosek, Steph…	129.180353	8.339667	43.7896
Sewald, Paul	133.20547	21.820587	30.550239

MLB投手のスイーパーの横の変化量の平均が求まったので、次に上位から順に40位までの投手を確認しました。

df_pitch_Sweeper_ave.select(pl.col("投手名","球速","横の変化量").sort_by("横の変化量",descending=True)).head(40)

大谷翔平選手はかなり上位に来るかなと思ったのですが、大谷翔平投手のスイーパーの横の曲がりの平均は約35.6cmで、32位でした。

投手名	球速	横の変化量
Roberts, Ethan…	133.326637	53.67793
Weissert, Greg…	131.594904	49.382082
Civale, Aaron	127.097592	49.3268
Bassitt, Chris…	120.95453	47.871681
Espino, Paolo	125.023736	47.730611
King, Michael	132.448892	47.161938
Wesneski, Hayd…	130.694589	46.04602
Ottavino, Adam…	130.347155	45.248639
Maton, Phil	130.168921	45.096404
Criswell, Coop…	124.848344	44.40555
Yacabonis, Jim…	131.369683	44.274297
Keller, Mitch	133.894186	44.102651
...	...	...
Thornton, Tren…	132.148064	37.656105
Urquidy, José	128.879999	36.832134
Marinaccio, Ro…	129.305199	36.650507
Ohtani, Shohei…	137.306298	35.677104
Watkins, Spens…	126.197378	35.482306
Tepera, Ryan	128.86036	34.286757
Crowe, Wil	140.1439	32.6136
Woodford, Jake…	132.079922	32.432283
Martinez, Seth…	128.123142	32.131709
Rasmussen, Dre…	136.065054	31.381947
Foley, Jason	133.80444	31.285543
Voth, Austin	134.631247	30.791727

個人的には、平均で約35cm曲がるだけでもすごいと思うのですが、その上がゴロゴロいるなんて、さすがメジャーリーグですね。。

ん？ 大谷翔平投手のスイーパーってこんなものか？と思ったのですが、大谷翔平投手のスイーパーは高速に曲がるということを思い出しました。

このため、MLBで平均球速が135km/h以上のスイーパー投手を洗い出してみました。

df_pitch_high_speed_Sweeper = df_pitch_Sweeper_ave.filter(pl.col("球速") >135) # 平均球速が135km/h以上のスイーパー
df_pitch_high_speed_Sweeper.select(pl.col("投手名","球速","横の変化量").sort_by("横の変化量",descending=True))

その結果、大谷翔平選手はMLBのTop3に入っていました！！

投手名	球速	横の変化量
Phillips, Evan…	137.316319	38.867229
Holmes, Clay	136.607842	38.711963
Ohtani, Shohei…	137.306298	35.677104
Crowe, Wil	140.1439	32.6136
Rasmussen, Dre…	136.065054	31.381947
Almonte, Yency…	135.112709	29.233464
Jax, Griffin	139.096039	28.861839
White, Mitch	137.410319	23.366046
Schmidt, Clark…	139.031274	21.239293

大谷翔平投手のスイーパーは高速で、横の曲がりが大きいという点でMLBトップクラスだということをデータが物語っていますね。
(大谷翔平選手よりも上位のHolmes Clay投手やPhillips Evan投手も大変すごいと感じました。。)

まとめ

今回は簡単に大谷翔平選手のスイーパーをPythonで調べるということを行いました。

次回は今回調べたスイーパーの被打率をPythonを用いて求めていきたいと思います。