介绍加载可能用到的包 读取数据 首先看一看约基奇5个赛季常规赛的首发出场次数,场均出场时间,场均出手次数,命中率的变化趋势
,,主题(=legend.position “none",
,,,,,,,, axis.text.x =, element_text(角=60,vjust=0.5)) +
,,实验室(x=啊? y=啊?
代码>我们知道约基奇在场上的作用是组织核心,接下来看看在19-20赛季季后赛中约基奇的得分、助攻与比赛胜负的关系
本篇文章为大家展示了如何进行R语言探索约基奇数据的分析,内容简明扼要并且容易理解,绝对能使你眼前一亮,通过这篇文章的详细介绍希望你能有所收获。
<节> <节>
掘金又赢了,硬生生把系列赛从3比1打成了三3,于是大家都来调侃说,
我,<强>约基奇(约七国集团)>强的名号可不是白叫的!哈哈哈哈
那作为一个喜欢篮球的R语言初学者,当然不能只看比赛了,还要把约基奇的常规数据探索学起来!
数据来源https://www.statmuse.com/nba/player/nikola-jokic-9226/career-stats
,
<代码>库(xml2),, ,
库(rv)
库(reshape2)
库(ggplot2)
库(dplyr)
代码>
打开数据来源的链接,鼠标点击右键检查,将内容复制到文本文件中,我这里命名为new1.txt
<代码> page<-read_html (“new1.txt"),, ,
Jokic<-html_table(页面,填=T)
Jokic [[9]]
列表(Jokic)
df1<-Jokic [[9]]
colnames (df1)
代码>
散点图加折线图
<代码> df1_1<-df1[1:5,] %祝辞%图数据工具,<=" mdnice编辑器”> ,, theme_bw () +
,,选择(FGA季节,GS,分钟,“FG %“)
df1_1
df1_1<融化(df1_1)
头(df1_1)
ggplot (df1_1, aes (x=季节,y=值,颜色=变量))+
,, geom_point(大?5)+
,, geom_line (aes(=1组))+
,, facet_wrap(=~变量,scales “free") +
,, theme_bw () +
,,主题(=legend.position “none") +
,,实验室(x=啊? y=啊?
代码>
,,主题(=legend.position “none",
,,,,,,,, axis.text.x =, element_text(角=60,vjust=0.5)) +
,,实验室(x=啊? y=啊?
代码>
从上图我们可以看到约基奇的得分、篮板、助攻数据在18-19赛季达到最大值,19-20赛季略呈下降趋势。可能的原因有很多,这里我猜可能是休赛季参加世界杯没有得到充足的休息导致的。
数据来源是 https://www.basketball-reference.com/players/j/jokicni01/gamelog-playoffs/
df2<-read.csv("new2.txt",header=F,
stringsAsFactors = F)
df2_1<-df2%>%
select(V3,V9,V11,V13,V14,V24,V29)
colnames(df2_1)<-c("Game","w_or_l","MIN","FGA","FG%","AST","PTS")
head(df2_1)
df2_1$w_or_l<-stringr::str_sub(df2_1$w_or_l,1,1)
df2_1$MIN<-stringr::str_sub(df2_1$MIN,1,2)
df2_1$MIN<-as.numeric(df2_1$MIN)
head(df2_1)
df2_1<-melt(df2_1,ids=c("Game",'w_or_l'))
head(df2_1)
ggplot(df2_1,aes(x=Game,y=value,color=w_or_l))+
geom_point(size=5)+
geom_line(aes(group=1))+
facet_grid(variable~.,scales = "free")+
theme_bw()+
theme(
legend.title = element_blank(),
axis.text.x = element_text(angle=60,vjust=0.5))+
labs(x="",y="")
null
null