28Python库分析科比生涯数据

唐宇迪《python数据分析与机器学习实战》学习笔记
28Python库分析科比生涯数据 基本的一个操作流程，没有多深入

一、数据预处理

先来看一下数据，每个样本有25个属性，包括：
A:action_type（用什么方式投的篮）
B:combined_shot_type（结合什么方式投篮）
C:game_event_id（游戏事件ID）
D:game_id（游戏ID）
E:la（投篮的经度）
F:loc_x （投篮的x坐标）
G:loc_y（投篮的y坐标）
H:lon（投篮的纬度）
I:minutes_remaining（离比赛结束还有多少分钟）
J:period（第几场）
K:playoffs（是不是季后赛）
L:season（赛季）
M:seconds_remaining（离比赛结束还有多少秒）
N:shot_distance（投篮离篮筐的的距离）
O:shot_made_flag （是不是进球了）这里就是label
P:shot_type（2分球还是3分球区域）
Q:shot_zone_area（投篮区域表示方式一）
R:shot_zone_basic（投篮区域的表示方式二）
S:shot_zone_range（投篮区域的表示方式三）
T:team_id（队伍ID）
U:team_name（队伍名字）
V:game_date（比赛时间）
W:matchup（比赛双方队伍）
X:opponent（自己所在队伍名字）
Y:shot_id（镜头ID）

label为O列：0没进，1进了，还有些缺失值这里需要去除。

导入模块

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import KFold

导入数据

filename= "data.csv"
raw = pd.read_csv(filename)
print (raw.shape)

(30697, 25)

缺失值处理

kobe =  raw[pd.notnull(raw['shot_made_flag'])]#notnull如果不是空值就保留
print (kobe.shape)

(25697, 25)

特征样本点分布观察

alpha = 0.02
plt.figure(figsize=(10,10))

# loc_x 和 loc_y，投篮位置
plt.subplot(121)
plt.scatter(kobe.loc_x, kobe.loc_y, color='R', alpha=alpha)
plt.title('loc_x and loc_y')

# lat 和 lon，经度纬度
plt.subplot(122)
plt.scatter(kobe.lon, kobe.lat, color='B', alpha=alpha)
plt.title('lat and lon')

发现两个特征表达的投篮位置都一样，所以接下来可以任意一个。
这里保留前者xy，为了方便表达将其转换为极坐标

raw['dist'] = np.sqrt(raw['loc_x']**2 + raw['loc_y']**2)#距离计算

loc_x_zero = raw['loc_x'] == 0 #角度计算
#print (loc_x_zero)
raw['angle'] = np.array([0]*len(raw))
raw['angle'][~loc_x_zero] = np.arctan(raw['loc_y'][~loc_x_zero] / raw['loc_x'][~loc_x_zero])
raw['angle'][loc_x_zero] = np.pi / 2 

还有多少分钟，多少秒结束，这两列也可以结合在一起：

raw['remaining_time'] = raw['minutes_remaining'] * 60 + raw['seconds_remaining']

快速观察数据：有些特征包含的属性太多，这里可以通过以下操作看一下包括哪些：</