MLBピッチャーのデータ分析：今永昇太選手の投球を解剖する（第3回）
こんにちは。今回は今永昇太選手のリリース特性について詳しく分析していきます。リリース特性とは、ボールが投手の手を離れた瞬間の様々な特徴を指します。
1. リリーススピード
まず、各球種のリリーススピードを見ていきましょう。
import matplotlib.pyplot as plt
import seaborn as sns
def plot_release_speed_boxplot(df):
# マイル表示のグラフ
plt.figure(figsize=(12, 6))
sns.boxplot(x='pitch_type', y='release_speed', data=df)
plt.title('Release Speed by Pitch Type (mph)')
plt.xlabel('Pitch Type')
plt.ylabel('Release Speed (mph)')
plt.show()
# キロメートル表示のグラフ
plt.figure(figsize=(12, 6))
sns.boxplot(x='pitch_type', y='release_speed', data=df.assign(release_speed=df['release_speed'] * 1.60934))
plt.title('Release Speed by Pitch Type (km/h)')
plt.xlabel('Pitch Type')
plt.ylabel('Release Speed (km/h)')
plt.show()
plot_release_speed_boxplot(df_684007_all_dates)
このグラフから以下のことが分かります：
- 4シームファストボール(FF)が最も速く、平均約92 mph程度です。
- スイーパー(ST)とスプリットフィンガー(SF)は似たような速度帯で、約82-83 mph程度です。
- カーブ(CU)が最も遅く、約73 mph程度です。
2. スピンレート
次に、各球種のスピンレートを見てみましょう。
def plot_spin_rate_boxplot(df):
plt.figure(figsize=(12, 6))
sns.boxplot(x='pitch_type', y='release_spin_rate', data=df)
plt.title('Spin Rate by Pitch Type')
plt.xlabel('Pitch Type')
plt.ylabel('Spin Rate (rpm)')
plt.show()
plot_spin_rate_boxplot(df_684007_all_dates)
このグラフから以下のことが読み取れます：
- スイーパー(ST)のスピンレート、平均約2430 rpm程度です。
- 4シームファストボール(FF)のスピンレート、平均約2500 rpm程度です。
- スプリットフィンガー(SF)は低いスピンレートで、1150 rpm程度です。
3. リリースポイント
リリースポイントは、x（水平方向）、y（投手板からの距離）、z（垂直方向）の3つの座標で表されます。ここでは、x座標とz座標に注目してみましょう。
def plot_release_point_scatter(df):
plt.figure(figsize=(12, 8))
for pitch_type in df['pitch_type'].unique():
subset = df[df['pitch_type'] == pitch_type]
plt.scatter(subset['release_pos_x'], subset['release_pos_z'], label=pitch_type, alpha=0.5)
plt.title('Release Point (X vs Z)')
plt.xlabel('Release Position X (ft)')
plt.ylabel('Release Position Z (ft)')
plt.legend()
plt.show()
plot_release_point_scatter(df_684007_all_dates)
分割する
import matplotlib.pyplot as plt
import numpy as np
def plot_release_points_individual_and_combined(df):
pitch_types = df['pitch_type'].unique()
n_pitches = len(pitch_types)
# サブプロットのグリッドを設定（個別グラフ用 + 全体グラフ用）
n_rows = (n_pitches + 1) // 2 + 1
fig, axs = plt.subplots(n_rows, 2, figsize=(20, 6*n_rows))
fig.suptitle('Release Points by Pitch Type', fontsize=24)
# カラーマップの設定
colors = plt.cm.rainbow(np.linspace(0, 1, n_pitches))
# x軸とy軸の範囲を計算
x_min, x_max = df['release_pos_x'].min(), df['release_pos_x'].max()
y_min, y_max = df['release_pos_z'].min(), df['release_pos_z'].max()
# 軸の範囲に少しマージンを追加
x_margin = (x_max - x_min) * 0.1
y_margin = (y_max - y_min) * 0.1
x_min, x_max = x_min - x_margin, x_max + x_margin
y_min, y_max = y_min - y_margin, y_max + y_margin
# 個別グラフの作成
for i, (pitch_type, color) in enumerate(zip(pitch_types, colors)):
row = i // 2
col = i % 2
ax = axs[row, col]
subset = df[df['pitch_type'] == pitch_type]
ax.scatter(subset['release_pos_x'], subset['release_pos_z'],
alpha=0.7, s=50, c=[color], label=pitch_type)
ax.set_title(f'{pitch_type} Release Points', fontsize=16)
ax.set_xlabel('Release Position X (ft)', fontsize=12)
ax.set_ylabel('Release Position Z (ft)', fontsize=12)
ax.grid(True, linestyle='--', alpha=0.7)
ax.legend(fontsize=10)
ax.set_xlim(x_min, x_max)
ax.set_ylim(y_min, y_max)
# 使用していないサブプロットを削除
for i in range(n_pitches, n_rows * 2 - 1):
fig.delaxes(axs.flatten()[i])
# 全体グラフの作成
ax_combined = axs[-1, -1]
for pitch_type, color in zip(pitch_types, colors):
subset = df[df['pitch_type'] == pitch_type]
ax_combined.scatter(subset['release_pos_x'], subset['release_pos_z'],
alpha=0.7, s=50, c=[color], label=pitch_type)
ax_combined.set_title('All Pitch Types Release Points', fontsize=16)
ax_combined.set_xlabel('Release Position X (ft)', fontsize=12)
ax_combined.set_ylabel('Release Position Z (ft)', fontsize=12)
ax_combined.grid(True, linestyle='--', alpha=0.7)
ax_combined.legend(fontsize=10, bbox_to_anchor=(1.05, 1), loc='upper left')
ax_combined.set_xlim(x_min, x_max)
ax_combined.set_ylim(y_min, y_max)
plt.tight_layout()
plt.show()
# 関数を呼び出す
plot_release_points_individual_and_combined(df_684007_all_dates)
このグラフから以下のことが分かります：
- 今永選手は概ね一定のリリースポイントから投球しています。
- FF : x座標は約-2.5 ft付近（投手から見て左側）、z座標は約5.2-5.6 ft付近です。
- FS : 変化の仕方を変える、コースの狙いによって、リリースポイントが変わってる可能性がありそうです。
4. リリース特性の時系列変化
最後に、これらのリリース特性がシーズンを通じてどのように変化したかを見てみましょう。例として、4シームファストボールのリリーススピードの推移を見てみます。
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np
def plot_release_speed_evolution_boxplot_with_stats(df, unit='mph'):
ff_data = df[df['pitch_type'] == 'FF'].copy()
ff_data['game_date'] = pd.to_datetime(ff_data['game_date'])
if unit == 'km/h':
ff_data['release_speed'] = ff_data['release_speed'] * 1.60934 # マイルをキロメートルに変換
# 日付ごとの統計情報を計算
stats = ff_data.groupby('game_date')['release_speed'].agg(['count', 'mean', 'std'])
stats.columns = ['N', 'Average', 'σ']
# Nは整数、AverageとσはOK小数点第一位まで丸める
stats['N'] = stats['N'].astype(int)
stats['Average'] = stats['Average'].round(1)
stats['σ'] = stats['σ'].round(1)
fig, ax = plt.subplots(figsize=(22, 14)) # 図のサイズをさらに大きくしました
# ボックスプロットを描画
sns.boxplot(x='game_date', y='release_speed', data=ff_data, ax=ax)
ax.set_title(f'Four-Seam Fastball Release Speed Evolution (Daily) - {unit}', fontsize=20)
ax.set_xlabel('Date', fontsize=18)
ax.set_ylabel(f'Release Speed ({unit})', fontsize=18)
ax.tick_params(axis='both', which='major', labelsize=14) # 軸の目盛りのフォントサイズを大きく
# X軸のティックとラベルを調整
xticks = ax.get_xticks()
ax.set_xticks(xticks)
ax.set_xticklabels([])
# 統計情報のテーブルを作成
table_data = stats.T.values.tolist()
table = ax.table(cellText=table_data,
rowLabels=stats.columns,
colLabels=[d.strftime('%Y-%m-%d') for d in stats.index],
loc='bottom',
cellLoc='center',
bbox=[0, -0.38, 1, 0.28]) # テーブルの位置とサイズを調整
table.auto_set_font_size(False)
table.set_fontsize(12) # テーブルのフォントサイズをさらに大きく
table.scale(1, 2.0) # テーブルの高さをさらに大きく
# テーブルの列幅を調整
table.auto_set_column_width(col=list(range(len(stats.index) + 1)))
# グラフの下端を調整してテーブルのスペースを確保
plt.subplots_adjust(bottom=0.28)
plt.tight_layout()
plt.show()
# マイル表示のグラフを作成
plot_release_speed_evolution_boxplot_with_stats(df_684007_all_dates, 'mph')
# キロメートル表示のグラフを作成
plot_release_speed_evolution_boxplot_with_stats(df_684007_all_dates, 'km/h')
このグラフから以下のような傾向が読み取れます：
承知しました。以下に、より簡潔なまとめを提示します：
- 速度範囲：Four-Seam Fastballの速度は主に90-93 mph間で推移。
- 平均速度：全期間を通じて約91-92 mph前後で安定。
- ピーク：2024-06-27と2024-04-13に最高速の93.0 mph平均を記録。
- 最低速：2024-06-21に最低の90.1 mph平均。
- 変動性：日によって異なるが、多くの日で比較的安定。標準偏差は0.7-1.4の範囲。
- サンプル数：1日あたり29-64投の範囲で変動。
- 傾向：長期的な明確な上昇・下降傾向はないが、6月下旬から7月にやや速度上昇の兆候。
- 外れ値：数日で顕著な外れ値を観察、特に2024-04-20に極端な低速記録。
全体として、投手のFour-Seam Fastballの速度は日々の変動はあるものの、比較的一貫性がある。後半にわずかな改善が見られるが、継続的な観察が必要。
まとめ
全てのデータを総合的に分析すると、以下のようにまとめられます：
-
投球レパートリー：
- Four-Seam Fastball (FF) を主軸とし、Split-Finger (FS) とスイーパー (ST) を効果的に組み合わせています。
- 左右打者で異なる配球戦略を採用し、特に左打者に対してSTの使用頻度が高くなっています。
-
速度特性：
- FF: 平均91.8 mph、日々90-93 mphの範囲で安定。
- FS: 平均83.1 mph、FFとの速度差約8-9 mph。
- ST: 平均81.9 mph、さらに大きな速度差。
-
リリースポイント：
- 各球種で微妙に異なるリリースポイントを使い分け、打者の球種識別を困難にしています。
- FFは最も一貫したリリースポイントを持ち、これが安定した速度と制球に寄与しています。
-
投球の一貫性：
- 日々のFF速度データから、全体的に安定したパフォーマンスを維持していることがわかります。
- 各球種の速度の標準偏差が小さく、コンスタントな投球ができています。
-
戦略的観点：
- リリースポイントと速度の組み合わせにより、効果的な球種の使い分けを実現しています。
- 左右打者への異なるアプローチが、投手の適応力と戦略的思考を示しています。
総じて、この投手は優れたFFを軸に、多様な球種を巧みに組み合わせ、リリースポイントの微妙な調整と安定した速度コントロールにより、効果的な投球を行っていると評価できます。日々の微小な変動はありますが、全体として一貫した高いパフォーマンスを維持しています。
次回は、ボールの動き（ムーブメント）について詳しく分析していきます。