要成为自己的光呀

文章目录

• 一、查看数据
• 二、线性回归分析与预测

• 对 baseball_02.csv 里面的数据进行分析，并利用 sklearn 的线性回归模型预测球队的表现
• 有关MLB的详细信息，请参阅以下中文维基百科页面： https://bk.tw.lvfukeji.com/wiki/MLB 你也可以看电影《金钱球》，了解奥克兰田径队是如何利用分析来重塑棒球队的管理的
• 分析和代码测试是在 jupyter notebook 环境中进行的

一、查看数据

# 导入需要用到的包
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib as mpl
from sklearn import linear_model
%matplotlib inline

# 读取数据 查看前5行数据
baseball = pd.read_csv('baseball_02.csv')
baseball.head(5)

分析时需要用到的字段含义

• RS：run scored 得分
• RA：run allowes 失分
• W：win 获胜次数
• OBP上垒率/打者不出局率：安打数+保送数+触身球数/打数+保送数+触身球数
• SLG长打率/衡量打者长打能力：一垒打数+二垒打数2+三垒打数3+全垒打数*4/该打者的打数
• BA打击率：安打数/打数
• Playoffs 季后赛：0：未进入季后赛 1：进入季后赛
• OOBP：对手的基本百分比
• OSLG：对手的重击百分比

二、线性回归分析与预测

第一个预测问题是
一支球队要在常规赛中赢多少场才能进入季后赛？
现在，你可以将常规赛简化成一道数学题。利用1995年至2001年的数据绘制散点图。

# 分组 进入季后赛 与 未进入季后赛分组 统计各自最小的胜投次数
baseball.groupby('Playoffs').min()['W']

从历史数据来看，要进入季后赛，至少需要赢 82 场

# 条件筛选 从1995年至2001年且进入季后赛的队伍 统计这些队伍的获胜次数 散点图可视化
baseball2 = baseball[baseball["Year"]>=1995].copy()
baseball2 = baseball2[baseball2["Year"]<=2001].copy()
baseball2 = baseball2[baseball2["Playoffs"]==1].copy()
plt.figure(figsize=(12, 8), dpi=120)
mpl.rcParams['font.family'] = 'SimHei'
plt.style.use('ggplot')
plt.scatter(range(baseball2.shape[0]),baseball2["W"],color='red')
plt.xlabel('各个队伍')
plt.ylabel('胜投数')
plt.savefig('test_01.png')
baseball2.shape     # (48, 15)

从散点图容易看出，有一个最小值82，但大部分散点在 85 以上，所以一支球队要在常规赛中获胜 85 场以上，进入季后赛的概率很大。

思考一个团队如何才能取得 X 场胜利
当一个队的得分比对手多时，它就会获胜。但是，球队要赢了多少次？
使用一个线性回归模型，回答一个问题：如何能使一个球队获胜，在常规赛中，它的得分需要比失分多多少分？
首先，您只使用2002年以前的数据

baseball2 = baseball[baseball["Year"]<=2002].copy()
baseball2.head()

为了使问题更简单，您可以创建一个变量来保存球队得分和球队失分的差。
然后，您可以将该变量用作线性回归模型中的单个自变量，因变量是获胜次数。

baseball2["newVar"] = baseball2["RS"] - baseball2["RA"]
reg1 = linear_model.LinearRegression()
# 球队得分和球队失分的差
x = baseball2["newVar"].values.reshape(-1,1)
# 获胜次数
y = baseball2["W"].values.reshape(-1,1)
reg1.fit(x,y)
yPred = reg1.predict(x)
# 预测至少胜 85 场进季后赛 在常规赛中，球队的得分需要比失分多89.858009分
predict_sample = reg1.predict([[85]])
print(predict_sample[0][0])

plt.figure(figsize=(12, 8), dpi=120)
plt.rcParams['axes.unicode_minus']=False  # 用于解决不能显示负号的问题
plt.clf()
# fig,ax = plt.subplots(1,1)
plt.scatter(x,y,label="true",color='blue')
plt.scatter(x,yPred,label="pred",color='red')
plt.xlabel('得分与失分之差')
plt.ylabel('获胜次数')
plt.savefig('test_02.png')   # 保存图片
plt.legend()   # 显示图例

根据拟合的线性回归模型，如果一支球队想要赢得 85 场胜利，它球队的得分比失分需要多大约 90 分。

现在，从上面的线性回归模型中，你知道一个团队应该比它允许的 X 胜是多少次。
从本质上讲，一支球队的得分应该超过它允许的获胜次数。接下来，我们要预测球队的得分和允许的失分。
关于得分，假设两个棒球统计数据比其他任何东西都重要：
（1）上垒百分比（OBP）：玩家在垒上的时间百分比（包括步行）
（2）重击百分比（SLG）：玩家在回合中绕垒的距离（测量力量）
（3）对于你的回归模型，你还包括另一个变量，（BA）：击球得分

# 运行一个带有上述三个变量的线性回归模型来预测得分
x = baseball2[["OBP","SLG","BA"]].values.reshape(-1,3)
y = baseball2[["RS"]].values.reshape(-1,1)
reg2 = linear_model.LinearRegression()
reg2.fit(x,y)
yPred = reg2.predict(x)
baseball2["3var_pred"] = yPred
baseball2[["OBP","SLG","BA","RS","3var_pred"]].head()

# 运行另一个只有两个变量的线性回归模型，OBP和SLG
x = baseball2[["OBP","SLG"]].values.reshape(-1,2)
y = baseball2[["RS"]].values.reshape(-1,1)
reg3 = linear_model.LinearRegression()
reg3.fit(x,y)
yPred = reg3.predict(x)
baseball2["OBP SLG pred"] = yPred
baseball2[["OBP","SLG","RS","OBP SLG pred"]].head()

如果一支棒球队的OBP为0.311，SLG为0.405，我们期望该队得分多少分？

x = np.array([0.311,0.405]).reshape(-1,2)
var2_Pred = reg3.predict(x)
print(var2_Pred[0][0])

我们可以使用线性回归模型来预测允许的失分。
使用以下两个变量，OOBP（对手的基本百分比）和OSLG（对手的重击百分比）。

print(baseball.columns)
baseball3 = baseball.dropna(subset=['OOBP'], axis=0, inplace=False)
baseball3 = baseball.dropna(subset=['OSLG'], axis=0, inplace=False)
#baseball2.head()
x = baseball3[["OOBP","OSLG"]].values.reshape(-1,2)
y = baseball3[["RA"]].values.reshape(-1,1)
reg4 = linear_model.LinearRegression()
reg4.fit(x,y)
yPred = reg4.predict(x)
baseball3["OOBP OSLG pred"] = yPred
baseball3[["OOBP","OSLG","RA","OOBP OSLG pred"]].head()

如果一支棒球队的对手OBP（OOBP）为0.297，对手SLG（OSLG）为0.370，预期球队允许失分多少？

x = np.array([0.297,0.370]).reshape(-1,2)
yPred = reg4.predict(x)
print(yPred[0][0])

现在让我们假设我们使用线性回归模型来预测2002年奥克兰A队将赢得多少场比赛
在我们的数据中，‘Team’ 变量中的 OAK 代表oaklanda。
运行的模型使用团队统计数据。我们将使用 2001 年的团队统计数据来预测 2002 年的情况。
2001年奥克兰A队的 OBP 和 SLG 是多少？根据我们的得分模型，这个队预计能得分多少？

# 提取2001年oaklanda的数据
baseball2 = baseball[baseball["Team"]=="OAK"].copy()
baseball2 = baseball2[baseball2["Year"]==2001].copy()[["OBP","SLG"]]
print(baseball2.head())  # OBP和SLG
x = baseball2.values.reshape(-1,2)
yPred = reg4.predict(x)
print()
print(yPred[0][0])   # 预测得分
RS = yPred[0][0]

2001年奥克兰A队的OOBP和OSLG是多少？根据我们的允许失分模型，该球队预计失分多少

baseball2 = baseball[baseball["Team"]=="OAK"].copy()
baseball2 = baseball2[baseball2["Year"]==2001].copy()[["OOBP","OSLG"]]
print(baseball2.head())
x = baseball2.values.reshape(-1,2)
yPred = reg3.predict(x)
print()
print(yPred[0][0])    # 预测失分
RA = yPred[0][0]

现在我们已经预测了2002年奥克兰A的得分和失分。根据预测和我们的获胜模型，预计球队会赢多少场？

x = np.array(RS - RA).reshape(-1,1)
wPred = reg1.predict(x)[0][0]
print(wPred)
# 大约会赢101场

根据预测的获胜次数，你预测球队是否会在2002年进入季后赛？

这支球队会在2002年进入季后赛，根据线性回归模型预测出的获胜的场数约为101场，大于85。

从我们的数据中，你可以了解2002年奥克兰A队的实际表现。
你认为你的预测在得分、允许跑数和获胜数方面是否接近实际表现？

oak2002 = baseball[baseball["Team"]=="OAK"].copy()
oak2002 = oak2002[oak2002["Year"]==2002].copy()
print(f'Playoffs：{oak2002["Playoffs"].values}')    
print("事实 RS:%.2f RA:%.2f W:%.2f"%(oak2002["RS"],oak2002["RA"],oak2002["W"]))
print("预测 RS:%.2f RA:%.2f W:%.2f"%(RS,RA,wPred))

这支球队2020年的确进入季后赛了，预测的得分、失分、获胜场数与真实数据相比差异不大，因为每年团队层面的差异并不大
所以用2001年的数据来预测2002年的数据也不会有太大的差异，误差较小。

作者：叶庭云
CSDN：https://blog.csdn.net/fyfugoyfa
本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。
文章对你有所帮助的话，欢迎给个赞或者 star 呀，你的支持是对作者最大的鼓励，不足之处可以在评论区多多指正，交流学习呀。