nba_apiを使いNBAデータを取得する

NBAデータ取得

NBAデータを分析する場合には、まず最初にデータ取得が必要です。

Kaggleなどのデータサイトから検索してもいいし、データサイトからスクレイピングしてる方もいると思います。

そしてPythonのライブラリからもNBAデータを提供してるものがあるので、それを使ってみたいと思います。

nba_apiです。

使用するには

pip install nba_api

でライブラリをインストールします。

nba_apiライブラリ

nba_apiには、沢山のメソッドがあり、かなり詳しいデータが手に入りますが、反面、どこに何のデータが入ってるか使い方に迷います。

https://github.com/swar/nba_api/tree/masterのサイトにexampleなどもありますが少ししかありません。

https://github.com/swar/nba_api/tree/master/docs/nba_api/stats/endpointsから、メソッド名で当たりをつけ、どれが探してるデータか一つ一つ読んで見つけましょう。

今回は、レギュラーシーズンデータを取得してみたいと思います。

PlayerGameLogsが良さそうなので、それを使います。

#! /usr/bin/env python

import numpy as np
import pandas as pd
from nba_api.stats.endpoints import playergamelogs

season_df = playergamelogs.PlayerGameLogs(
    season_nullable = '2024-25',
).player_game_logs.get_data_frame()

print(season_df.head(50))
  
  

引数 season_nullable に取得したいシーズン '2024-25' を入れます。

player_game_logs.get_data_frame()でデータフレーム形式で取得出来ます。

NBA選手シーズンごとの平均リバウンド

NBA選手のシーズン当たりのリバウンド

シーズン毎の得点に続き、シーズン毎のリバウンドを可視化してみます。

外れ値を省くために、1シーズン40試合以上出場した選手で構成しています。

#! /usr/bin/env python

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

sns.set()

fn = "data/player_per_game.csv"
df = pd.read_csv(fn)

df2 = df[df["g"] >= 40] 

desc = df2.groupby("season")["TRB"].describe()
print(desc)

	count	mean	std	min	25%	50%	75%	max
season
1951	108.0	4.960185	2.849986	1.3	2.900	4.35	6.525	16.4
1952	94.0	5.255319	3.140770	1.0	2.925	4.55	6.950	13.5
1953	102.0	5.138235	3.093143	0.9	3.000	4.25	6.875	14.4
1954	91.0	5.126374	3.164871	0.9	2.800	4.30	6.900	15.3
1955	81.0	5.669136	3.186952	1.2	3.400	4.60	7.600	15.1
1956	80.0	5.626250	3.401479	0.9	3.175	4.45	7.650	16.3
1957	83.0	5.906024	3.658580	1.8	3.400	4.60	8.050	19.6
1958	78.0	6.698718	4.116217	1.7	3.850	5.50	9.550	22.7
1959	85.0	6.207059	3.708510	1.8	3.600	5.30	7.900	23.0
1960	87.0	6.686207	4.410774	1.8	3.800	5.30	8.450	27.0
1961	83.0	6.719277	4.765052	1.2	3.750	5.70	8.200	27.2
1962	100.0	6.430000	4.680488	0.4	3.025	5.80	8.050	25.7
1963	94.0	6.020213	4.181155	0.9	3.000	5.15	7.175	24.3
1964	102.0	5.810784	4.364481	1.1	2.925	4.45	7.350	24.7
1965	94.0	6.128723	4.669637	1.0	2.725	4.75	8.050	24.1
1966	103.0	6.262136	4.472599	1.3	3.200	5.20	7.800	24.6
1967	108.0	6.163889	4.304040	1.1	3.300	5.15	7.650	24.2
1968	136.0	5.927206	4.252833	0.5	2.800	4.70	7.625	23.8
1969	146.0	6.357534	4.192914	0.9	3.500	4.85	8.800	21.1
1970	154.0	5.625974	3.667144	0.9	3.025	4.50	7.475	17.7
1971	181.0	5.475138	3.671193	0.5	3.000	4.50	7.000	18.2
1972	189.0	5.408466	3.859353	0.4	2.800	4.10	6.900	19.2
1973	194.0	5.215464	3.676542	0.8	2.600	4.15	6.450	18.6
1974	184.0	4.972283	3.410149	0.7	2.700	4.00	6.225	18.1
1975	210.0	4.678095	3.153868	0.6	2.200	3.90	6.175	14.8
1976	199.0	4.830151	3.142201	0.6	2.600	4.00	6.250	16.9
1977	260.0	4.676923	3.061885	0.6	2.475	3.80	6.400	14.4
1978	259.0	4.747490	3.039906	0.8	2.600	3.60	6.550	15.7
1979	247.0	4.559514	3.029057	0.8	2.300	3.60	6.050	17.6
1980	248.0	4.656048	2.829866	0.7	2.375	4.00	6.425	15.0
1981	262.0	4.246947	2.670696	0.7	2.100	3.60	5.875	14.8
1982	270.0	4.197778	2.653551	0.6	2.100	3.40	5.700	14.7
1983	277.0	4.253069	2.669222	0.9	2.300	3.60	5.700	15.3
1984	262.0	4.107252	2.664220	0.7	2.100	3.45	5.700	13.4
1985	263.0	4.207224	2.625547	0.6	2.300	3.40	5.650	13.1
1986	260.0	4.213846	2.669888	0.7	2.075	3.45	5.725	13.1
1987	267.0	4.242697	2.804114	0.5	2.000	3.50	5.750	14.6
1988	275.0	4.285455	2.693871	0.6	2.300	3.50	6.050	13.0
1989	292.0	4.261301	2.623311	0.5	2.300	3.55	5.900	13.5
1990	312.0	4.235577	2.640006	0.5	2.375	3.60	5.800	14.0
1991	304.0	4.334539	2.647963	0.6	2.300	3.50	5.825	13.8
1992	310.0	4.260968	2.847617	0.4	2.225	3.45	5.800	18.7
1993	308.0	4.208766	2.792828	0.3	2.275	3.50	5.500	18.3
1994	304.0	4.294737	2.786668	0.7	2.300	3.60	5.500	17.3
1995	314.0	4.174522	2.698690	0.5	2.225	3.30	5.600	16.8
1996	343.0	4.156560	2.615095	0.6	2.250	3.40	5.500	14.9
1997	337.0	4.225223	2.714871	0.4	2.200	3.50	5.500	16.1
1998	342.0	4.232164	2.577404	0.7	2.200	3.50	5.600	15.0
1999	217.0	4.602304	2.575066	1.0	2.700	3.80	6.000	13.0
2000	327.0	4.210398	2.465097	0.6	2.250	3.70	5.700	14.1
2001	335.0	4.276418	2.538543	0.5	2.500	3.70	5.500	14.1
2002	332.0	4.287048	2.386337	0.8	2.600	3.90	5.400	13.0
2003	324.0	4.251235	2.390933	0.4	2.500	3.75	5.525	15.4
2004	348.0	4.263506	2.419223	0.6	2.500	3.80	5.300	13.9
2005	361.0	4.198061	2.427029	0.5	2.400	3.50	5.500	13.5
2006	345.0	4.140290	2.346627	0.4	2.300	3.60	5.200	12.7
2007	348.0	4.118391	2.485521	0.7	2.300	3.40	5.400	12.8
2008	342.0	4.285380	2.571218	0.5	2.400	3.55	5.300	14.2
2009	350.0	4.182857	2.400595	0.8	2.325	3.60	5.300	13.8
2010	348.0	4.204310	2.562793	0.6	2.300	3.50	5.500	13.2
2011	380.0	4.027105	2.375063	0.6	2.400	3.40	5.100	15.2
2012	305.0	4.275410	2.394776	0.8	2.500	3.70	5.300	14.5
2013	365.0	3.986301	2.405506	0.4	2.200	3.30	5.200	12.4
2014	366.0	4.127596	2.449787	0.8	2.400	3.50	5.200	13.6
2015	385.0	4.177143	2.338558	0.7	2.400	3.60	5.300	15.0
2016	360.0	4.134167	2.400563	0.7	2.400	3.50	5.325	14.8
2017	369.0	4.204878	2.443109	0.6	2.600	3.50	5.500	14.1
2018	355.0	4.243944	2.435144	0.4	2.500	3.80	5.400	16.0
2019	391.0	4.353964	2.510497	0.7	2.600	3.80	5.300	15.6
2020	335.0	4.497015	2.457030	1.0	2.700	4.10	5.700	15.8
2021	335.0	4.457612	2.446517	0.9	2.700	3.90	5.600	14.3
2022	384.0	4.383073	2.424720	0.8	2.675	3.90	5.400	14.7
2023	385.0	4.244416	2.354335	0.8	2.600	3.70	5.300	12.5
2024	376.0	4.213298	2.353943	0.8	2.600	3.70	5.200	13.7

結果

1950年代から60年代がレギュラー選手当たり1試合平均5リバウンド以上と高いですね。maxは歴代シーズンリバウンド王です。

ウィルト・チェンバレン選手やビル・ラッセル選手が1試合当たり20リバウンド以上と今では考えられない数値を叩き出しています。

3ポイントが導入された1980年以降は平均4リバウンド台を安定して推移しています。

現代バスケは3ポイントが重視され、戦略や平均得点が変わっていく中、レギュラー選手たちの平均リバウンド回数は1980年から意外に安定していることが分かります。

NBAの3ポイント攻撃が多い選手ランキング

3ポイント得点特化型選手

NBAでは、 3ポイント攻撃が重要になったとはいえ、全体で見ればまだまだ2ポイント攻撃の方が主流です。

その中で3ポイント成功数の方が多い選手を3PM÷2PMという計算式でランキングしてみます。

# 外れ値を弾くために3PMを1試合平均3回以下の選手は抜きます
df = df[df['3PM'] >= 3.0]

# 2Pに対する3P成功数の多さを算出します
df['3P/2P%'] = np.round(df['3PM'] / df['2PM'], 3)

2ポイント成功数に対する3ポイント成功数比率ランキング

	season	player	pos	age	tm	g	3PM	3PA	3P%	2PM	2PA	2P%	eFG%	FTM	FTA	FT%	PPG	3P/2P%
1	2020	Duncan Robinson	SG	25.0	MIA	73	3.7	8.3	0.446	0.7	1.1	0.654	0.667	0.9	1.0	0.931	13.5	5.286
2	2021	Duncan Robinson	SF	26.0	MIA	72	3.5	8.5	0.408	0.9	1.4	0.625	0.614	0.9	1.0	0.827	13.1	3.889
3	2022	Malik Beasley	SG	25.0	MIN	79	3.0	8.1	0.377	1.2	2.7	0.432	0.532	0.6	0.8	0.817	12.1	2.500
4	2021	Buddy Hield	SG	28.0	SAC	71	4.0	10.2	0.391	1.7	3.8	0.446	0.548	1.2	1.5	0.846	16.6	2.353
5	2024	Donte DiVincenzo	SG	27.0	NYK	81	3.5	8.7	0.401	2.0	3.7	0.542	0.584	1.1	1.4	0.754	15.5	1.750
6	2020	J.J. Redick	SG	35.0	NOP	60	3.0	6.6	0.453	1.8	3.9	0.453	0.596	2.8	3.1	0.892	15.3	1.667
7	2023	Tim Hardaway Jr.	SG	30.0	DAL	71	3.0	7.7	0.385	1.8	4.2	0.431	0.527	1.8	2.3	0.770	14.4	1.667
8	2023	Buddy Hield	SF	30.0	IND	80	3.6	8.5	0.425	2.3	4.5	0.518	0.596	1.3	1.6	0.822	16.8	1.565
9	2022	Evan Fournier	SG	29.0	NYK	80	3.0	7.7	0.389	2.0	4.3	0.465	0.541	1.0	1.4	0.708	14.1	1.500
10	2017	Eric Gordon	SG	28.0	HOU	75	3.3	8.8	0.372	2.2	4.7	0.468	0.527	2.0	2.3	0.840	16.2	1.500
11	2021	Joe Harris	SF	29.0	BRK	69	3.1	6.4	0.475	2.1	3.8	0.555	0.654	0.7	0.9	0.778	14.1	1.476
12	2018	Kyle Lowry	PG	31.0	TOR	78	3.1	7.6	0.399	2.1	4.5	0.474	0.553	2.9	3.3	0.854	16.2	1.476
13	2020	Devonte' Graham	PG	24.0	CHO	63	3.5	9.3	0.373	2.4	6.0	0.397	0.495	3.0	3.7	0.820	18.2	1.458
14	2022	Buddy Hield	SG	29.0	TOT	81	3.2	8.8	0.366	2.3	4.7	0.482	0.526	1.4	1.6	0.874	15.6	1.391
15	2019	Eric Gordon	SG	30.0	HOU	68	3.2	8.8	0.360	2.5	5.0	0.497	0.525	1.8	2.2	0.783	16.2	1.280
16	2019	Stephen Curry	PG	30.0	GSW	69	5.1	11.7	0.437	4.0	7.7	0.525	0.604	3.8	4.2	0.916	27.3	1.275
17	1996	Dennis Scott	SF	27.0	ORL	82	3.3	7.7	0.425	2.7	6.0	0.458	0.559	2.2	2.7	0.820	17.5	1.222
18	2023	Klay Thompson	SG	32.0	GSW	69	4.4	10.6	0.412	3.6	7.6	0.470	0.556	1.7	1.9	0.879	21.9	1.222
19	2024	Klay Thompson	SF	33.0	GSW	77	3.5	9.0	0.387	2.9	5.7	0.503	0.551	1.6	1.8	0.927	17.9	1.207
20	2024	Stephen Curry	PG	35.0	GSW	74	4.8	11.8	0.408	4.0	7.7	0.515	0.573	4.0	4.4	0.923	26.4	1.200
21	2022	Fred VanVleet	PG	27.0	TOR	65	3.7	9.9	0.377	3.1	7.0	0.440	0.513	3.0	3.4	0.874	20.3	1.194
22	2020	Buddy Hield	SG	27.0	SAC	72	3.8	9.6	0.394	3.2	6.6	0.479	0.545	1.6	1.9	0.846	19.2	1.187
23	2022	Stephen Curry	PG	33.0	GSW	64	4.5	11.7	0.380	3.9	7.4	0.527	0.554	4.3	4.7	0.923	25.5	1.154
24	2024	Fred VanVleet	PG	29.0	HOU	73	3.1	8.0	0.387	2.7	5.9	0.454	0.527	2.7	3.1	0.860	17.4	1.148
25	2019	J.J. Redick	SG	34.0	PHI	76	3.2	8.0	0.397	2.8	5.6	0.502	0.557	3.0	3.4	0.894	18.1	1.143
26	2018	Eric Gordon	SG	29.0	HOU	69	3.2	8.8	0.359	2.9	5.2	0.544	0.540	2.8	3.5	0.809	18.0	1.103
27	2021	Stephen Curry	PG	32.0	GSW	63	5.3	12.7	0.421	5.1	9.0	0.569	0.605	5.7	6.3	0.916	32.0	1.039
28	2021	Tim Hardaway Jr.	SG	28.0	DAL	70	3.0	7.6	0.391	2.9	5.5	0.524	0.560	2.0	2.5	0.816	16.6	1.034
29	2008	Peja Stojaković	SF	30.0	NOH	77	3.0	6.8	0.441	2.9	6.5	0.438	0.552	1.7	1.8	0.929	16.4	1.034
30	2024	Bogdan Bogdanović	SG	31.0	ATL	79	3.0	8.1	0.374	2.9	5.8	0.503	0.537	1.9	2.1	0.921	16.9	1.034

1位、2位とダンカン・ロビンソン選手が突出しています。

2019-20年シーズンは2ポイント成功数の5倍以上3ポイント成功数で稼いでいます。

3ポイント得点が多いイメージのカリー選手でも最高1.27倍くらいなので、アウトサイド特化型の選手と言っていいでしょう。

この選手はNBA史上最速で通算3ポイント成功900本を記録したことでも有名です。

NBAシーズン3ポイント選手ランキング

NBAの3ポイント成功数の多い選手

以前シーズン毎3ポイントチームの表を出しましたが、今回はシーズン毎3ポイント攻撃の多い選手ランキングを作ってみました。

 

print( df.sort_values("3PM", ascending=False))

シーズン毎1試合平均3ポイント成功数の多い選手ランキング

	season	player	pos	age	tm	g	MP	3PM	3PA	3P%	2PM	2PA	2P%	eFG%	FTM	FTA	FT%	PPG
1	2021	Stephen Curry	PG	32.0	GSW	63	34.2	5.3	12.7	0.421	5.1	9.0	0.569	0.605	5.7	6.3	0.916	32.0
2	2016	Stephen Curry	PG	27.0	GSW	79	34.2	5.1	11.2	0.454	5.1	9.0	0.566	0.630	4.6	5.1	0.908	30.1
3	2019	Stephen Curry	PG	30.0	GSW	69	33.8	5.1	11.7	0.437	4.0	7.7	0.525	0.604	3.8	4.2	0.916	27.3
4	2024	Stephen Curry	PG	35.0	GSW	74	32.7	4.8	11.8	0.408	4.0	7.7	0.515	0.573	4.0	4.4	0.923	26.4
5	2019	James Harden	PG	29.0	HOU	78	36.8	4.8	13.2	0.368	6.0	11.3	0.528	0.541	9.7	11.0	0.879	36.1
6	2022	Stephen Curry	PG	33.0	GSW	64	34.5	4.5	11.7	0.380	3.9	7.4	0.527	0.554	4.3	4.7	0.923	25.5
7	2020	James Harden	SG	30.0	HOU	68	36.5	4.4	12.4	0.355	5.5	9.9	0.556	0.543	10.2	11.8	0.865	34.3
8	2023	Klay Thompson	SG	32.0	GSW	69	33.0	4.4	10.6	0.412	3.6	7.6	0.470	0.556	1.7	1.9	0.879	21.9
9	2023	Damian Lillard	PG	32.0	POR	58	36.3	4.2	11.3	0.371	5.4	9.4	0.574	0.564	8.8	9.6	0.914	32.2
10	2021	Damian Lillard	PG	30.0	POR	67	35.8	4.1	10.5	0.391	4.9	9.4	0.519	0.554	6.7	7.2	0.928	28.8
11	2020	Damian Lillard	PG	29.0	POR	66	37.5	4.1	10.2	0.401	5.4	10.2	0.524	0.563	7.0	7.8	0.888	30.0
12	2017	Stephen Curry	PG	28.0	GSW	79	33.4	4.1	10.0	0.411	4.4	8.3	0.537	0.580	4.1	4.6	0.898	25.3
13	2024	Luka Dončić	PG	24.0	DAL	70	37.5	4.1	10.6	0.382	7.4	13.0	0.573	0.573	6.8	8.7	0.786	33.9
14	2021	Buddy Hield	SG	28.0	SAC	71	34.3	4.0	10.2	0.391	1.7	3.8	0.446	0.548	1.2	1.5	0.846	16.6
15	2019	Paul George	SF	28.0	OKC	77	36.9	3.8	9.8	0.386	5.4	11.1	0.484	0.529	5.9	7.0	0.839	28.0
16	2020	Buddy Hield	SG	27.0	SAC	72	30.8	3.8	9.6	0.394	3.2	6.6	0.479	0.545	1.6	1.9	0.846	19.2
17	2018	James Harden	SG	28.0	HOU	72	35.4	3.7	10.0	0.367	5.4	10.1	0.531	0.541	8.7	10.1	0.858	30.4
18	2020	Duncan Robinson	SG	25.0	MIA	73	29.7	3.7	8.3	0.446	0.7	1.1	0.654	0.667	0.9	1.0	0.931	13.5
19	2022	Fred VanVleet	PG	27.0	TOR	65	37.9	3.7	9.9	0.377	3.1	7.0	0.440	0.513	3.0	3.4	0.874	20.3
20	2024	CJ McCollum	PG	32.0	NOP	66	32.7	3.6	8.4	0.429	3.7	7.5	0.492	0.572	1.7	2.1	0.827	20.0
21	2023	Buddy Hield	SF	30.0	IND	80	31.0	3.6	8.5	0.425	2.3	4.5	0.518	0.596	1.3	1.6	0.822	16.8
22	2023	Donovan Mitchell	SG	26.0	CLE	68	35.8	3.6	9.3	0.386	6.4	11.3	0.566	0.572	4.7	5.4	0.867	28.3
23	2015	Stephen Curry	PG	26.0	GSW	80	32.7	3.6	8.1	0.443	4.6	8.7	0.528	0.594	3.9	4.2	0.914	23.8
24	2022	Donovan Mitchell	SG	25.0	UTA	67	33.8	3.5	9.8	0.355	5.7	10.8	0.533	0.533	4.0	4.7	0.853	25.9
25	2020	Devonte' Graham	PG	24.0	CHO	63	35.1	3.5	9.3	0.373	2.4	6.0	0.397	0.495	3.0	3.7	0.820	18.2
26	2016	Klay Thompson	SG	25.0	GSW	80	33.3	3.5	8.1	0.425	4.7	9.2	0.510	0.569	2.4	2.8	0.873	22.1
27	2024	Donte DiVincenzo	SG	27.0	NYK	81	29.1	3.5	8.7	0.401	2.0	3.7	0.542	0.584	1.1	1.4	0.754	15.5
28	2013	Stephen Curry	PG	24.0	GSW	78	38.2	3.5	7.7	0.453	4.5	10.1	0.449	0.549	3.4	3.7	0.900	22.9
29	2021	Duncan Robinson	SF	26.0	MIA	72	31.4	3.5	8.5	0.408	0.9	1.4	0.625	0.614	0.9	1.0	0.827	13.1
30	2024	Klay Thompson	SF	33.0	GSW	77	29.7	3.5	9.0	0.387	2.9	5.7	0.503	0.551	1.6	1.8	0.927	17.9

ステフィン・カリー選手が3Pの名手なのは今更ですが、歴代TOP10の内、5つランクインしてるのはもう別次元です。

 2020-21シーズンは1試合平均12.7回の3Pシュートを狙い、5.3回沈ませており、この年の得点王にも輝いています。 2Pシュート数より多いのですから遠距離攻撃の名人ですね。 

また、ジェームズ・ハーデン選手やデイミアン・リラード選手も3Pシュートの多い選手というが分かります。

NBAチームの年別勝率と3ポイント成功数の関係

前回は数年分のチーム平均の散布図でしたが、こちらは年別の散布図です。

上に行くほどシーズン勝率が高く、右に行くほど平均3ポイント成功数の多いチームになります。

赤点はファイナルの優勝チームです。
 

NBAチームの勝率と3P成功数の関係 (2024年)

 

NBAチームの勝率と3P成功数の関係 (2023年)

NBAチームの勝率と3P成功数の関係 (2022年)

NBAチームの勝率と3P成功数の関係 (2021年)

NBAチームの勝率と3P成功数の関係 (2020年)

NBAチームの勝率と3P成功数の関係 (2019年)

NBAチームの勝率と3P成功数の関係 (2018年)

NBAチームの勝率と3P成功数の関係 (2017年)

NBAチームの勝率と3P成功数の関係 (2016年)

NBAチームの勝率と3P成功数の関係 (2015年)

NBAチームの勝率と3P成功数の関係 (2014年)

シーズンやチームの特性により異なりますが、近年のNBAでは3ポイント攻撃が多いチームの重要性は高まっています。

NBAの3ポイント成功数と勝率

3ポイントシュートと勝率の関係

NBAでは3ポイントシュート比率は増えていますが、それが勝ちに繋がっているかグラフを作成してみます。 

 3ポイントシュートが戦略的に注目されてきた2012年辺りからの相関関係を求めてみます。

2P3Pと各相関

# 2012年から現在まで
df = df[df['season'] >= 2012]

corr = df.corr(numeric_only=True)
corr2 = df.corr(numeric_only=True, method="spearman")

print(corr)
print(corr2)

ピアソンの相関係数

               3PM       3PA       3P%       2PM       2PA       2P%  win_rate

3PM       1.000000  0.984286  0.413434 -0.515724 -0.888434  0.779407  0.214300

3PA       0.984286  1.000000  0.253633 -0.531972 -0.885692  0.755842  0.115326

3P%       0.413434  0.253633  1.000000 -0.089943 -0.314804  0.376354  0.579180

2PM      -0.515724 -0.531972 -0.089943  1.000000  0.757617 -0.043965  0.087083

2PA      -0.888434 -0.885692 -0.314804  0.757617  1.000000 -0.682443 -0.194469

2P%       0.779407  0.755842  0.376354 -0.043965 -0.682443  1.000000  0.400107

win_rate  0.214300  0.115326  0.579180  0.087083 -0.194469  0.400107  1.000000

スピアマンの相関係数

               3PM       3PA       3P%       2PM       2PA       2P%  win_rate

3PM       1.000000  0.983388  0.385376 -0.492438 -0.884650  0.788074  0.200737

3PA       0.983388  1.000000  0.232052 -0.512703 -0.880743  0.762114  0.104912

3P%       0.385376  0.232052  1.000000 -0.088104 -0.308361  0.357106  0.563749

2PM      -0.492438 -0.512703 -0.088104  1.000000  0.735107 -0.043060  0.084711

2PA      -0.884650 -0.880743 -0.308361  0.735107  1.000000 -0.685526 -0.196108

2P%       0.788074  0.762114  0.357106 -0.043060 -0.685526  1.000000  0.388398

win_rate  0.200737  0.104912  0.563749  0.084711 -0.196108  0.388398  1.000000

一番右列が勝率と各シュートとの相関係数です。

勝率を高めそうなのは3ポイント成功率(3P%)くらいで後は深い関係はなさそうです。

単純な数値上ではこのように出ましたが、一口に3ポイントと言っても様々な戦略があるのであくまで参考値です。

NBAチームの3ポイント比率の変遷

NBAチームの3ポイントシュート比率

NBAで3ポイントシュートが導入されたのは1970-80年シーズンからです。

大きなルール変更でしたが、当初は遠隔からシュートするより、リング下のビックマンにボールをパスして点を稼ぐのが主流でした。

もちろん上手なシューターもいましたが、ほとんどは3ポイントシュートが無かった時代に試合をしてきた人たちですから遠隔からシュートして効率的に得点しようという発想は無かったでしょう。

とはいえ、身長の低い選手はリング下では不利なので遠隔から決める3ポイントシュートの上手い選手も増えていき、3ポイントを高確率で決める職人的な選手も増えてきました。

3ポイントはNBAの戦略の幅を確実に広げてきました。

そして、ステフィン・カリー選手のようなスペシャルな選手が登場し、NBA全体の戦略を変えてしまうほど3ポイントシュートは重要になっています。

今やビッグマンでも3ポイントが必須となるほど重要な攻撃手法となっています。

3ポイントシュートがどれだけ増えてきたがチーム平均のグラフを作ってみたいと思います。

	season	g	MP	FGM	FGA	FG%	3PM	3PA	3P%	2PM	2PA	2P%	FTM	FTA	FT%	PPG
1	2024	82.0	241.4	42.2	88.9	0.474	12.8	35.1	0.366	29.3	53.8	0.545	17.0	21.7	0.784	114.2
2	2023	82.0	241.8	42.0	88.3	0.475	12.3	34.2	0.361	29.6	54.1	0.548	18.4	23.5	0.782	114.7
3	2022	82.0	241.4	40.6	88.1	0.461	12.4	35.2	0.354	28.2	52.9	0.533	16.9	21.9	0.775	110.6
4	2021	72.0	241.4	41.2	88.4	0.466	12.7	34.6	0.367	28.5	53.8	0.530	17.0	21.8	0.778	112.1
5	2020	71.0	241.8	40.9	88.8	0.460	12.2	34.1	0.358	28.7	54.7	0.524	17.9	23.1	0.773	111.8
6	2019	82.0	241.6	41.1	89.2	0.461	11.4	32.0	0.355	29.7	57.2	0.520	17.7	23.1	0.766	111.2
7	2018	82.0	241.4	39.6	86.1	0.460	10.5	29.0	0.362	29.1	57.1	0.510	16.6	21.7	0.767	106.3
8	2017	82.0	241.6	39.0	85.4	0.457	9.7	27.0	0.358	29.4	58.4	0.503	17.8	23.1	0.772	105.6
9	2016	82.0	241.8	38.2	84.6	0.452	8.5	24.1	0.354	29.7	60.5	0.491	17.7	23.4	0.757	102.7
10	2015	82.0	242.0	37.5	83.6	0.449	7.8	22.4	0.350	29.7	61.2	0.485	17.1	22.8	0.750	100.0
11	2014	82.0	242.0	37.7	83.0	0.454	7.7	21.5	0.360	30.0	61.5	0.488	17.8	23.6	0.756	101.0
12	2013	82.0	241.9	37.1	82.0	0.453	7.2	20.0	0.359	30.0	62.1	0.483	16.7	22.2	0.753	98.1
13	2012	66.0	241.9	36.5	81.4	0.448	6.4	18.4	0.349	30.1	63.0	0.477	16.9	22.5	0.752	96.3
14	2011	82.0	241.9	37.2	81.2	0.459	6.5	18.0	0.358	30.8	63.2	0.487	18.6	24.4	0.763	99.6
15	2010	82.0	241.7	37.7	81.7	0.461	6.4	18.1	0.355	31.3	63.6	0.492	18.6	24.5	0.759	100.4
16	2009	82.0	241.7	37.1	80.9	0.459	6.6	18.1	0.367	30.5	62.8	0.485	19.1	24.7	0.771	100.0
17	2008	82.0	241.5	37.3	81.5	0.457	6.6	18.1	0.362	30.7	63.4	0.484	18.8	24.9	0.755	99.9
18	2007	82.0	242.2	36.5	79.7	0.458	6.1	16.9	0.358	30.5	62.8	0.485	19.6	26.1	0.752	98.7
19	2006	82.0	242.1	35.8	79.0	0.454	5.7	16.0	0.358	30.1	63.0	0.478	19.6	26.3	0.745	97.0
20	2005	82.0	241.9	35.9	80.3	0.447	5.6	15.8	0.356	30.3	64.6	0.470	19.7	26.1	0.756	97.2
21	2004	82.0	241.7	35.0	79.8	0.439	5.2	14.9	0.347	29.8	64.9	0.460	18.2	24.2	0.752	93.4
22	2003	82.0	242.0	35.7	80.8	0.442	5.1	14.7	0.349	30.6	66.1	0.463	18.5	24.4	0.758	95.1
23	2002	82.0	241.7	36.2	81.3	0.445	5.2	14.7	0.354	31.0	66.5	0.465	17.9	23.8	0.752	95.5
24	2001	82.0	242.0	35.7	80.6	0.443	4.8	13.7	0.354	30.8	66.9	0.461	18.6	24.9	0.748	94.8
25	2000	82.0	241.5	36.8	82.1	0.449	4.8	13.7	0.353	32.0	68.4	0.468	19.0	25.3	0.750	97.5
26	1999	50.0	241.8	34.2	78.2	0.437	4.5	13.2	0.339	29.7	65.0	0.457	18.8	25.8	0.728	91.6
27	1998	82.0	241.9	35.9	79.7	0.450	4.4	12.7	0.346	31.5	67.0	0.470	19.4	26.3	0.737	95.6
28	1997	82.0	241.9	36.1	79.3	0.455	6.0	16.8	0.360	30.0	62.5	0.480	18.7	25.3	0.738	96.9
29	1996	82.0	241.6	37.0	80.2	0.462	5.9	16.0	0.367	31.2	64.1	0.486	19.5	26.4	0.740	99.5
30	1995	82.0	241.9	38.0	81.5	0.466	5.5	15.3	0.359	32.5	66.2	0.491	19.9	27.1	0.737	101.4
31	1994	82.0	241.1	39.3	84.4	0.466	3.3	9.9	0.333	36.0	74.5	0.483	19.6	26.6	0.734	101.5
32	1993	82.0	241.7	40.7	86.0	0.473	3.0	9.0	0.336	37.7	77.0	0.489	20.9	27.7	0.754	105.3
33	1992	82.0	241.8	41.3	87.3	0.472	2.5	7.6	0.331	38.7	79.7	0.486	20.2	26.7	0.759	105.3
34	1991	82.0	241.8	41.4	87.2	0.474	2.3	7.1	0.320	39.1	80.1	0.488	21.3	27.9	0.765	106.3
35	1990	82.0	241.5	41.5	87.2	0.476	2.2	6.6	0.331	39.3	80.6	0.488	21.8	28.5	0.764	107.0
36	1989	82.0	241.5	42.5	89.0	0.477	2.1	6.6	0.323	40.4	82.4	0.490	22.1	28.8	0.768	109.2
37	1988	82.0	241.3	42.1	87.7	0.480	1.6	5.0	0.316	40.6	82.7	0.490	22.3	29.1	0.766	108.2
38	1987	82.0	241.6	42.6	88.8	0.480	1.4	4.7	0.301	41.2	84.1	0.490	23.2	30.5	0.763	109.9
39	1986	82.0	241.6	43.2	88.6	0.487	0.9	3.3	0.282	42.3	85.3	0.495	22.9	30.3	0.756	110.2
40	1985	82.0	241.4	43.8	89.1	0.491	0.9	3.1	0.282	42.9	86.0	0.499	22.4	29.4	0.764	110.8
41	1984	82.0	242.0	43.5	88.4	0.492	0.6	2.4	0.250	42.9	86.0	0.499	22.6	29.7	0.760	110.1
42	1983	82.0	241.3	43.5	89.7	0.485	0.5	2.3	0.238	43.0	87.4	0.492	20.9	28.3	0.740	108.5
43	1982	82.0	241.6	43.3	88.2	0.491	0.6	2.3	0.262	42.7	86.0	0.497	21.3	28.6	0.746	108.6
44	1981	82.0	241.4	43.0	88.4	0.486	0.5	2.0	0.245	42.5	86.4	0.491	21.7	28.9	0.751	108.1
45	1980	82.0	241.8	43.6	90.6	0.481	0.8	2.8	0.280	42.9	87.9	0.488	21.3	27.8	0.764	109.3

# 1980シーズンからのデータにする
df2 = df[df['season'] >= 1980]

leg = df2[df2['team'] == 'League Average']

plt.bar(leg["season"], leg["3PM"]*3, label="3PM")
plt.bar(leg["season"], leg["2PM"]*2, bottom=leg['3PM']*3, label="2PM")
plt.bar(leg["season"], leg['FTM'], bottom=leg['3PM']*3+leg['2PM']*2, label="FTM")

plt.title("シーズン毎のゴール(2P,3P,FT)の割合")

plt.xlabel("シーズン")
plt.ylabel("平均得点")

plt.legend()
plt.show()

縦軸がシーズンごとの平均得点で青が3ポイントによる得点、オレンジが2ポイントによる得点、緑はフリースローです。

1995~1997年辺りが山になっているのは一時的に3ポイントラインが近くなったためです。

これを見ると3ポイントの得点比率は導入後増え続け、2ポイントによる得点に迫る勢いです。

こちらは平均シュート試投数です。2ポイントシュートと3ポイントシュートとフリースローを全部足し合わせると1試合当たり約110〜120回試投してることになります。

試投数全体が減って平均得点が増えているなら3ポイントシュートは効率が良い得点方法と言えます。

このまま3ポイント得点が増え続け2ポイント得点比率を抜くまで増えるのか、また戦略が変わりミドルシュートを効率的に決めるチームが増えるのか、今後の見どころです。

NBAシーズン最高勝率ランキング

NBAのチーム勝率

データセットからNBAのチーム勝率を計算し、年ごとのランキングにしてみたいと思います。

すべてのチームの年間ゲーム(勝ち数と負け数)のデータを用意し

ゲーム数で割って勝率列を作ります。

# 勝利数÷ゲーム数で勝率の列を作る
df['win_rate'] = np.round(df['w'] / df['g'], 4)*100

# シーズン毎でグループ化し、年間最高勝率のデータだけ抜き出します
season = df.groupby('season')
win_max= season['win_rate'].max()

# 最高勝率のインデックス
win_max_index = season['win_rate'].idxmax()

highest_win = df.iloc[win_max_index.tolist()].sort_values('win_rate', ascending=False)
print(highest_win)

歴代勝率ランキング

	season	team	playoffs	G	3PM	3PA	3P%	2PM	2PA	2P%	PPG	Win	Lose	Win_Rate
1	2016	Golden State Warriors	True	82	13.1	31.6	0.416	29.4	55.7	0.528	114.9	73	9	89.02
2	1996	Chicago Bulls	True	82	6.6	16.5	0.403	33.5	67.6	0.496	105.2	72	10	87.80
3	1972	Los Angeles Lakers	True	82	NaN	NaN	NaN	47.8	97.5	0.490	121.0	69	13	84.15
4	1997	Chicago Bulls	True	82	6.4	17.1	0.373	33.6	67.3	0.499	103.1	69	13	84.15
5	1967	Philadelphia 76ers	True	81	NaN	NaN	NaN	48.3	100.0	0.483	125.2	68	13	83.95
6	1973	Boston Celtics	True	82	NaN	NaN	NaN	46.5	103.8	0.448	112.7	68	14	82.93
7	2000	Los Angeles Lakers	True	82	4.2	12.8	0.329	34.1	70.6	0.482	100.8	67	15	81.71
8	1986	Boston Celtics	True	82	1.7	4.8	0.351	43.7	84.4	0.517	114.1	67	15	81.71
9	1992	Chicago Bulls	True	82	1.7	5.5	0.304	42.7	81.9	0.522	109.9	67	15	81.71
10	2007	Dallas Mavericks	True	82	6.5	17.1	0.381	30.2	61.4	0.491	100.0	67	15	81.71
11	2015	Golden State Warriors	True	82	10.8	27.0	0.398	30.8	60.0	0.514	110.0	67	15	81.71
12	2017	Golden State Warriors	True	82	12.0	31.2	0.383	31.1	55.8	0.557	115.9	67	15	81.71
13	1971	Milwaukee Bucks	True	82	NaN	NaN	NaN	48.4	95.2	0.509	118.4	66	16	80.49
14	2008	Boston Celtics	True	82	7.3	19.1	0.381	29.1	57.6	0.506	100.5	66	16	80.49
15	2009	Cleveland Cavaliers	True	82	8.0	20.4	0.393	28.9	58.3	0.495	100.3	66	16	80.49
16	2013	Miami Heat	True	82	8.7	22.1	0.396	29.6	55.4	0.536	102.9	66	16	80.49
17	1950	Syracuse Nationals	True	64	NaN	NaN	NaN	29.2	82.4	0.354	84.8	51	13	79.69
18	1983	Philadelphia 76ers	True	82	0.3	1.3	0.229	43.6	86.6	0.503	112.1	65	17	79.27
19	2018	Houston Rockets	True	82	15.3	42.3	0.362	23.4	41.9	0.558	112.4	65	17	79.27
20	1987	Los Angeles Lakers	True	82	2.0	5.5	0.367	43.6	82.9	0.526	117.8	65	17	79.27
21	1960	Boston Celtics	True	75	NaN	NaN	NaN	49.9	119.6	0.417	124.5	59	16	78.67
22	2024	Boston Celtics	True	82	16.5	42.5	0.388	27.4	47.7	0.575	120.6	64	18	78.05
23	2022	Phoenix Suns	True	82	11.6	31.9	0.364	32.1	58.2	0.551	114.8	64	18	78.05
24	2006	Detroit Pistons	True	82	6.8	17.7	0.384	29.6	62.3	0.475	96.8	64	18	78.05
25	1965	Boston Celtics	True	80	NaN	NaN	NaN	44.6	107.6	0.414	112.8	62	18	77.50
26	1985	Boston Celtics	True	82	1.3	3.8	0.356	44.0	85.6	0.515	114.8	63	19	76.83
27	1994	Seattle SuperSonics	True	82	3.0	8.8	0.335	37.8	75.4	0.501	105.9	63	19	76.83
28	1989	Detroit Pistons	True	82	1.5	4.9	0.300	39.9	79.0	0.505	106.6	63	19	76.83
29	1991	Portland Trail Blazers	True	82	4.2	11.0	0.377	39.5	78.8	0.501	114.7	63	19	76.83
30	1990	Los Angeles Lakers	True	82	3.8	10.3	0.367	38.1	75.2	0.507	110.7	63	19	76.83

最高勝率は2015-16年シーズンのゴールデンステイト・ウォリアーズの89%、9割近く勝ってるのは驚異的です。 観てたファンはほとんど勝っていたイメージでしょう。

 1996年2位、1997年3位のシカゴ・ブルズも常勝軍団として伝説になっています。 

11位12位にも入っている2015〜2018年のウォリアーズは黄金期でした。3ポイントの得点の高さも特徴的です。 この3ポイントで積極的に勝っていくスタイルがNBA全体の戦略を変えるほどインパクトを残しました。 

リーグ戦で最高勝率のチームが優勝する訳ではないのが、トーナメント戦での面白さですね。

NBA通算得点ランキング

選手スタッツデータの集計 

NBAの選手スタッツデータセットから得点集計を行ってみたいと思います。

使用させていただくデータはkaggleから、拝借いたします。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import numpy as np
import pandas as pd

fn = "Player_Totals.csv"
df = pd.read_csv(fn)

print(df.head())

seas_id  season  player_id         player  birth_year pos   age  experience   lg   tm   g    gs  ...   ft  fta  ft_percent    orb    drb    trb  ast   stl   blk    tov   pf   pts

0    31136    2024       5025     A.J. Green         NaN  SG  24.0           2  NBA  MIL  56   0.0  ...   17   19       0.895    9.0   55.0   64.0   30   9.0   4.0   12.0   49   252

1    31137    2024       5026    A.J. Lawson         NaN  SG  23.0           2  NBA  DAL  42   0.0  ...   15   23       0.652   14.0   36.0   50.0   20  10.0   3.0   14.0   22   136

2    31138    2024       5027     AJ Griffin         NaN  SF  20.0           2  NBA  ATL  20   0.0  ...    2    2       1.000    2.0   16.0   18.0    5   1.0   2.0    8.0    6    48

3    31139    2024       4219   Aaron Gordon         NaN  PF  28.0          10  NBA  DEN  73  73.0  ...  177  269       0.658  174.0  297.0  471.0  259  56.0  45.0  105.0  142  1013

4    31140    2024       4582  Aaron Holiday         NaN  PG  27.0           6  NBA  HOU  78   1.0  ...   58   63       0.921   23.0  100.0  123.0  140  42.0   6.0   53.0  125   514

1947年から最新の2024年データまであるのは助かります。

NBA選手の通算得点ランキング

このデータセットから、歴代通算得点ランキングを集計します。

完成データの手本は、wikipediaのこちら

まずはデータの整理から

print(df['lg'].unique())

# NBAデータだけ抜き出します。
df2 = df[df['lg'] == "NBA"]
df2 = df2[df2['tm'] != "TOT"]

['NBA' 'ABA' 'BAA']

unique関数で見るとNBAデータ以外も含まれています。

NBAデータだけにし、チームからTOT(複数チームの合計)列を抜かします。[合計が入ると二重に加算されてしまうため]

#　必要な列名をリネーム
df2 = df2.rename(columns={'player': 'Player', 'g': 'G', 'fg': 'FGM', 'x3p': '3PM', 'ft': 'FTM'})

# 必要な列だけにする
df3 = df2[['player_id', 'Player', 'G', 'FGM', '3PM', 'FTM']]

print(df3.head())

 player_id         Player   PTS   G  FGM   3PM  FTM

0       5025     A.J. Green   252  56   83  69.0   17

1       5026    A.J. Lawson   136  42   54  13.0   15

2       5027     AJ Griffin    48  20   18  10.0    2

3       4219   Aaron Gordon  1013  73  398  40.0  177

4       4582  Aaron Holiday   514  78  186  84.0   58

データセットが小さくまとまりました。

選手でグループ化

得られたデータを選手でgroupbyします。

インデックスにplayer_idも含めているのは同名の選手を区別するためです。

# 選手でグループ化
players = df3.groupby(["player_id", "Player"])

# グループ毎の合計を出す
score_sum = players.sum()

# 総合得点順にソート
score_sum = score_sum.sort_values('PTS', ascending=False)

# 1試合あたりの平均得点の列を作る
score_sum['PPG'] = np.round(score_sum['PTS'] / score_sum['G'], 2)

# インデックス解除
score_sum.reset_index(inplace=True)

# player_id 削除
score_sum.drop("player_id", axis=1, inplace=True)
print(score_sum)

	Player	PTS	G	FGM	3PM	FTM	PPG
0	LeBron James	40474	1492	14837	2410	8390	27.13
1	Kareem Abdul-Jabbar	38387	1560	15837	1	6712	24.61
2	Karl Malone	36928	1476	13528	85	9787	25.02
3	Kobe Bryant	33643	1346	11719	1827	8378	24.99
4	Michael Jordan	32292	1072	12192	581	7327	30.12
5	Dirk Nowitzki	31560	1522	11169	1982	7240	20.74
6	Wilt Chamberlain	31419	1045	12681	0	6057	30.07
7	Kevin Durant	28924	1061	9950	2031	6993	27.26
8	Shaquille O'Neal	28596	1207	11330	1	5935	23.69
9	Carmelo Anthony	28289	1260	10119	1731	6320	22.45
10	Moses Malone	27409	1329	9435	8	8531	20.62
11	Elvin Hayes	27313	1303	10976	5	5356	20.96
12	Hakeem Olajuwon	26946	1238	10749	25	5423	21.77
13	Oscar Robertson	26710	1040	9508	0	7694	25.68
14	Dominique Wilkins	26668	1074	9963	711	6031	24.83
15	Tim Duncan	26496	1392	10285	30	5896	19.03
16	Paul Pierce	26397	1343	8668	2143	6918	19.66
17	John Havlicek	26395	1270	10513	0	5369	20.78
18	Kevin Garnett	26071	1462	10505	174	4887	17.83
19	James Harden	25885	1072	7643	2940	7659	24.15
20	Vince Carter	25728	1541	9293	2290	4852	16.70
21	Alex English	25613	1193	10659	18	4277	21.47
22	Reggie Miller	25279	1389	8241	2560	6237	18.20
23	Russell Westbrook	25211	1162	9055	1273	5828	21.70
24	Jerry West	25192	932	9016	0	7160	27.03
25	Patrick Ewing	24815	1183	9702	19	5392	20.98
26	Ray Allen	24505	1300	8567	2973	4398	18.85
27	Allen Iverson	24368	914	8467	1059	6375	26.66
28	Charles Barkley	23757	1073	8435	538	6349	22.14
29	Stephen Curry	23668	956	8084	3747	3753	24.76

https://ja.wikipedia.org/wiki/NBA歴代通算得点一覧

と同じ結果が得られました。

PTS = (FGM * 2) + 3PM + FTMで計算出来ます。

PTS: 合計得点

G: 試合数

FGM: フィールドゴール数

3PM: 3Pゴール数

FTM: フリースローゴール数