LAkers match Report

#한글 폰트 설정하기
!sudo apt-get install -y fonts-nanum
!sudo fc-cache -fv
!rm ~/.cache/matplotlib -rf
#런타임 다시 시작

#구글 드라이브 마운트
from google.colab import drive 
drive.mount('/content/drive')

#범주형 데이터의 통계치 확인
lakers.describe(include=np.object)

print('Oppenent: ', lakers['opponent'].unique())
print('Game type: ', lakers['game_type'].unique())
print('Period: ', lakers['period'].unique())
print('Etype: ', lakers['etype'].unique())
print('Team: ', lakers['team'].unique())
print('Result: ', lakers['result'].unique())
print('Points: ', lakers['points'].unique())
print('Type: ', lakers['type'].unique())

#데이터 내용 요약
print("총 데이터 개수: ", lakers.shape[0]*lakers.shape[1])
print("총 결측치 수: {} = 전체 데이터의 {:.2f}% ".format(lakers.isnull().sum().sum(), (lakers.isnull().sum().sum()*100)/(lakers.shape[0]*lakers.shape[1])))
print("LA 레이커스와 경기한 팀 수: ", lakers['opponent'].nunique()-1)
print("경기에 등장하는 행동 수: ", lakers['etype'].nunique())
print("경기에 등장하는 세부행동 수: ", lakers['type'].nunique())

#column 병합 date - datetime
lakers['date'] = lakers['date'].apply(str)
lakers['datetime'] = lakers['date'] + ' ' + lakers['time']
lakers.head()

#date 컬럼 & datetime 컬럼 -> 날짜 타입
lakers['datetime'] = pd.to_datetime(lakers['datetime'],format='%Y%m%d %H:%M:%S')
lakers['date'] = pd.to_datetime(lakers['date'],format='%Y%m%d')
lakers.head()

#NULL
lakers.isnull().any(axis=0)
#player, result, type, x, y 컬럼

print(lakers.index[lakers['x'] == '0'].tolist())
print(lakers.index[lakers['y'] == '0'].tolist())
#nothing

#x, y position - NaN -> 0
lakers['x'].fillna(0, inplace=True)
lakers['y'].fillna(0, inplace=True)
lakers.head()

#Home or Away
lakers[['date','game_type']].groupby(['date','game_type']).sum()

lakers[['date','game_type']].groupby(['date','game_type']).sum().reset_index()

#홈 경기 대 원정 경기의 비율: 
df1 = lakers.drop_duplicates(['date'], keep='first')
df1

#홈 경기 대 원정 경기의 비율: 그래프
f, ax = plt.subplots(1, 2, figsize=(18, 8))

#pie plot
df1['game_type'].value_counts().plot.pie(explode=[0, 0.1], autopct='%1.1f%%', ax=ax[0], shadow=True)
ax[0].set_title('Pie plot: 홈 경기 vs. 원정 경기', size = 15)
ax[0].set_ylabel('') #y 라벨 없애기

#count plot
sns.countplot('game_type', data=df1, ax=ax[1])
ax[1].set_title('Count plot: 홈 경기 vs. 원정 경기', size = 15)

plt.show()

#행동유형 발생 횟수
f, ax = plt.subplots(1, 1, figsize=(14, 6))

sns.countplot(y=lakers['etype'], ax=ax)
ax.set_title('행동 유형 발생 횟수', size=15)
ax.set_ylabel('')

plt.show()

#특정 쿼터별 행동
df2 = lakers.groupby(['etype','period']).size()
df2

df2 = lakers.groupby(['etype','period']).size().reset_index()
df2

df2 = lakers.groupby(['etype','period']).size().reset_index().pivot(columns='period',index='etype', values=0)
df2

#stack plot 
df2.plot(kind='bar', stacked=True, figsize=(18, 6))
plt.title('쿼터별 행동 발생 횟수', size=15)
plt.xticks(rotation=45)

plt.show()

#날짜별 경기 결과
made = lakers['result'].isin(['made'])
lakers[made].head()

#날짜별 팀별 슛 성공 건수를 집계
df3 = lakers[made][['date', 'team', 'points']].groupby(['date', 'team'], as_index=True).sum()
df3

df3.reset_index(inplace=True)
df3

lal

df4 = pd.merge(lal, opp, on='date')
df4

#승패 나누기
win = df4[df4['points_x'] > df4['points_y']]
los = df4[df4['points_x'] < df4['points_y']]
   
print("08 - 09 시즌에 LA 레이커스는 총 {}회의 경기 중, {}번 우승했다".format(df4.shape[0], df4[df4['points_x'] > df4['points_y']].shape[0] ))                         

#경기 결과를 시계열 그래프로 확인
plt.figure(figsize=(16,5))

plt.title("08 - 09 Season : LA Lakers", fontsize=15)

#LA 레이커스 점수 - Orange
plt.plot(lal['date'], lal['points'], "-", alpha= 1, color = 'orange', label='LA Lakers')

#LA 레이커스 승리 - red dot 패 - blue dot
plt.plot(win['date'], win["points_x"], 'o', alpha=.6, color = 'red')
plt.plot(los['date'], los["points_x"], 'o', alpha=.6, color = 'blue')

#상대팀 점수- Green
plt.plot(opp['date'], opp["points"], "--", alpha=.6, color = 'green', label='Opposite team')

plt.legend(loc='upper left', borderaxespad=0, fontsize=13)
plt.xticks(rotation=45)

plt.show()

#LA lakers 데이터
lal2 = lakers[lakers['team'] == 'LAL']
lal2

#슛한 위치 확인
sns.set_style('whitegrid')
f, ax = plt.subplots(1, 2, figsize=(12, 7), dpi = 80)

#득점 성공/실패 분포
g1 = sns.scatterplot(data=lal2, x='x', y='y', hue='result', alpha = 0.3, palette='Paired', ax=ax[0])
g2 = sns.kdeplot(data=lal2, x='x', y='y', hue='result', palette='Paired', ax=ax[0])

#득점 점수 별 분포
g3 = sns.scatterplot(data=lal2, x='x', y='y', hue='points', alpha = 0.3, palette='Set3', ax=ax[1])
g4 = sns.kdeplot(data=lal2, x='x', y='y', hue='points', palette='Set3', ax=ax[1])

plt.show()
#(x, y) NaN -> 0

#세부 행동 별 슛 위치
#Top 10 
lal3 = lal2[lal2['type'].isin(lal2['type'].value_counts().head(10).index)]
lal3

#세부 행동 별 위치 확인
sns.set_style('whitegrid')
f, ax = plt.subplots(1, 1, figsize=(5, 7), dpi = 80)

sns.scatterplot(data=lal3, x='x', y='y', hue=lal3['type'], palette='Set3', ax=ax)

#Legend가 10개이기 때문에 그래프 안에 넣으면 혼란스럽다. 옆으로 빼 주자!
ax.legend(title='Type', bbox_to_anchor= (1.03, 1))

plt.show()