从数据角度分析年龄与NBA球员赛场表现的关系【数据分析项目分享】

好久不见朋友们，今天给大家分享一个我自己很感兴趣的话题分析——NBA球员表现跟年龄关系到底大不大？数据来源于Kaggle，感兴趣的朋友可以点赞评论留言，我会将数据同代码一起发送给你。

NBA球员表现的探索性数据分析

美国国家篮球协会(NBA)中有各个年龄段的新秀和资深球员。本次数据分析将突出年龄和技能之间的关系，同时研究年龄在球员表现中的因素。

导入Python库和加载数据

首先，加载数据，并按球员名称进行索引，然后查看前5行数据，以了解数据的样式。

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
from sklearn.linear_model import LinearRegression as linregNBA = pd.read_csv('./nba.csv',index_col=1)
NBA.head() 

	Rk	Pos	Age	Tm	G	MP	PER	TS%	3PAr	FTr	...	Unnamed: 19	OWS	DWS	WS	WS/48	Unnamed: 24	OBPM	DBPM	BPM	VORP
Player
Alex Abrines\abrinal01	1	SG	24	OKC	75	1134	9.0	0.567	0.759	0.158	...	NaN	1.3	1.0	2.2	0.094	NaN	-0.5	-1.7	-2.2	-0.1
Quincy Acy\acyqu01	2	PF	27	BRK	70	1359	8.2	0.525	0.800	0.164	...	NaN	-0.1	1.1	1.0	0.036	NaN	-2.0	-0.2	-2.2	-0.1
Steven Adams\adamsst01	3	C	24	OKC	76	2487	20.6	0.630	0.003	0.402	...	NaN	6.7	3.0	9.7	0.187	NaN	2.2	1.1	3.3	3.3
Bam Adebayo\adebaba01	4	C	20	MIA	69	1368	15.7	0.570	0.021	0.526	...	NaN	2.3	1.9	4.2	0.148	NaN	-1.6	1.8	0.2	0.8
Arron Afflalo\afflaar01	5	SG	32	ORL	53	682	5.8	0.516	0.432	0.160	...	NaN	-0.1	0.2	0.1	0.009	NaN	-4.1	-1.8	-5.8	-0.7

5 rows × 28 columns

*对于本次分析，我们其实只需要以下几个字段的数据。

• 球员的年龄, (Age)
• 出场场次 (G)
• 出场时间 (MP)
• 效率值Player Efficiency Rating (PER)
• 真实命中率 (TS%)

除了球员姓名外，其余列将被删除，并且任何包含缺失数据的列也将被删除。

nba_temp = NBA.loc[:,  ['Age', 'G', 'MP','PER','TS%']]
nba = nba_temp.dropna(axis=0)
nba = nba[~nba.index.duplicated()]
nba.head()

	Age	G	MP	PER	TS%
Player
Alex Abrines\abrinal01	24	75	1134	9.0	0.567
Quincy Acy\acyqu01	27	70	1359	8.2	0.525
Steven Adams\adamsst01	24	76	2487	20.6	0.630
Bam Adebayo\adebaba01	20	69	1368	15.7	0.570
Arron Afflalo\afflaar01	32	53	682	5.8	0.516

为了更容易理解，列将被重新命名，以将它们转为非缩写形式。

nba =nba.rename(index=str, columns={'G' : '# Games','MP': 'Minutes Played','PER': 'Player Efficiency Rate'})

数据简要概述

print(nba.shape)  # 看下数量级
nba.describe()

(537, 5)

	Age	# Games	Minutes Played	Player Efficiency Rate	TS%
count	537.000000	537.000000	537.000000	537.000000	537.000000
mean	26.104283	48.605214	1105.862197	12.951769	0.531965
std	4.174854	27.312191	855.195522	8.749476	0.124523
min	19.000000	1.000000	1.000000	-41.100000	0.000000
25%	23.000000	21.000000	253.000000	9.700000	0.500000
50%	25.000000	56.000000	1045.000000	12.800000	0.541000
75%	29.000000	73.000000	1810.000000	16.400000	0.582000
max	41.000000	82.000000	3026.000000	133.800000	1.500000

• 在2017-18赛季，大约有537球员出场打比赛。
• 根据以往赛季的年龄平均值，预计2017-18赛季的NBA球员平均年龄约为26岁。
• 有趣的是，联盟中最年长的球员是41岁，比最年轻的球员大22岁！（最大的没记错的话应该是卡特，最小的没啥印象）
• 平均每位球员在赛季中打了43场比赛，而其真实命中率约为53%

数据可视化

正如之前注意到的，球员年龄范围广泛，但各年龄的分布人数情况又如何呢？

sns.set_style("dark")
plt.figure(figsize=(10,10))
plt.ylabel('# of Players')
sns.histplot(data=nba, x='Age')
plt.show()

联盟过去和现在都倾向于年轻球员，这是可以预料的。球队通常会寻找年轻的潜力球员，在他们大学期间或之后选择他们。

然而，这个直方图只能提供有限的信息，我们仍然想知道年龄是否真的会影响球员的表现。所以让我们从年龄与参加比赛数量的关系开始看起吧

年龄与上场时间的比较

plt.figure(figsize=(20,10))
plt.ylabel('Minutes Played')
plt.xlabel('Age')
sns.regplot(data=nba, x='Age',y='Minutes Played')
plt.show()

从上述散点图我们可以得知：

1. 年龄在19岁至28岁之间的年轻球员比年龄在28岁至41岁之间的老年球员打的比赛更多。
2. 年轻球员的上场时间范围总体上比老年球员更大。
3. 总体上，老年球员的上场时间比年轻球员更长。

需要注意的是，这可能不是散点图的最佳线性拟合，然而，该图表大致说明年龄可能不会影响比赛中的上场时间。

年龄较大可能意味着更多的经验，从而在场上停留更长时间，但也有许多年轻的潜力球员比老将球员打得时间更长。

年龄与出场次数相比较

在我们进行年龄与参与游戏次数之间的比较之前，让我们先看一下参与游戏次数与比赛时间之间的关系。

plt.figure(figsize=(20,20))
plt.ylabel('Minutes')
plt.xlabel('Games')
sns.scatterplot(data=nba, x='# Games',y='Minutes Played')
plt.show()

看起来，如果一个球员在赛季中参加的比赛越多，他们的平均比赛时间也会更长。

在这个基础上，让我们在这个比较中加入年龄。

plt.figure(figsize=(15,10))
plt.ylabel('Minutes')
plt.xlabel('Games')
sns.scatterplot(data=nba, x='# Games',y='Minutes Played', hue='Age')
plt.show()

关于这个散点图需要注意的一些点：

1. 这个散点图证实了我们关于年龄与比赛时间之间关系的结论，因为年龄大的和年龄小的人在各种时间段内都有参与比赛的情况。
2. 年龄较小和较大的范围都分布在整个图中，这表明年龄可能不影响个体参与比赛的次数。

在表现方面，看起来年龄只是一个数字？也许是这样，但我们目前只关注了定量方面的因素，那么比赛中的实际技能呢？

年龄与PER相比较

尽管可能有球员参加更多比赛或比赛时间更长，但这并不能准确地描绘这些个体的表现。因此，我们将根据年龄来评估这些散点图的真实性，考察球员的球员效率评分（PER）。

但是，什么是PER呢？PER简单来讲就是：它允许将篮球运动员的所有成就（得分、盖帽、抢断等）转化为一个单一的数字。PER也是一种每分钟的度量方式，可以比较任意两位选手，而不受比赛场次或比赛时间的限制。这也是为什么我们之前删除了一些列的原因，因为这样可以更简便地比较累积统计数据，如PER，而不需要处理每个个体方面的数据。

有了PER，我们现在可以从新的角度分析年龄对表现的影响。

plt.figure(figsize=(15,10))
sns.regplot(data=nba, x='Minutes Played',y='Player Efficiency Rate')
plt.show() 

单看平均趋势的话，如果一个球员参与比赛的时间更长，他们的PER很可能比大多数人要高。

那接下来，我们来比较下比赛次数与PER之间的关系。

plt.figure(figsize=(15,10))
sns.regplot(data=nba, x='# Games',y='Player Efficiency Rate')
plt.show() 

同样的情况，如果一个球员参加的比赛更多，他们的PER很可能更高。

所以到目前为止，一切似乎都符合预期，PER与球员在比赛中的参与程度呈正相关关系。

那现在，让我们开始将年龄与这两个变量进行比较。

plt.figure(figsize=(15,10))
sns.regplot(data=nba, x='Age',y='Player Efficiency Rate')
plt.show() 

在回归斜率中几乎是一条直线，年龄几乎与PER没有关系。但这意味着什么呢？

这意味着年龄与球员效率评分之间几乎没有明显的关联。年龄对于一个球员的表现并不是决定因素，至少在这个数据集中。其他因素，如技能水平、体能和经验可能更重要。

结论

尽管我们对不少的变量同年龄进行了比较，并使用了不同的绘图方法，但年龄似乎从未对最终结果产生影响。年龄对于篮球运动员来说既不是负面特征，也不是优势。

根据这个分析，还可以得出一些其他的结论：

• 这些仅仅是一个赛季中少数球员的结果，因此我们不能轻易将此结论推广到NBA的每个赛季。
• 在NBA中，年龄是相对而言的。年龄范围在很大程度上分为年轻球员和年长球员，但可以重新进行分析，并尝试使用更小的年龄段，可能会得出新的见解。
• 这个分析纯粹基于可视数据，对于个人表现的每个方面，如领导能力和团队合作，并没有提供深入了解。

总的来说，这个分析我觉得是可以给到我们一个新的视角来了解NBA球员的水平，因为即使年龄不小了，他们也不会让年龄成为阻碍，努力成为最好的球员。

最后，很高兴在kaggle闲逛的时候有幸能看到一个我这么感兴趣的数据集，也仅以此篇，致敬詹库杜，致敬那些现在仍在奋斗着的NBA老将们。

推荐关注的专栏

👨‍👩‍👦‍👦 数据分析：分享数据分析实战项目和常用技能整理