數(shù)據(jù)來源：某數(shù)據(jù)分析QQ群（群友下載于NBA官方網(wǎng)站）

原始數(shù)據(jù)比較簡單，依次包含了比賽日期、比賽開始時間、客隊、客隊得分、主隊、主隊得分、個人比賽數(shù)據(jù)（Box Score）、是否有加時賽、備注等。雖然數(shù)據(jù)簡單，但依然有非常大的分析空間。本文為了實踐之前學(xué)習(xí)的R語言相關(guān)內(nèi)容，只做了一項非常簡單的數(shù)據(jù)分析。

導(dǎo)入數(shù)據(jù)

數(shù)據(jù)為CSV文件，直接使用R語言導(dǎo)入CSV文件的方法。

其中，第二個參數(shù)header默認(rèn)為FALSE，即數(shù)據(jù)框的列名為“V1,V2...”，設(shè)置為TRUE時以CSV文件的第一行作為列名。參數(shù)sep是分隔數(shù)據(jù)的分隔符，默認(rèn)為空格，可以設(shè)置為逗號（sep=,），分號（sep=;）和制表符（tab）。參數(shù)colClasses 為每一列指定一個類，為了方便處理，先將所有的數(shù)據(jù)都指定為字符型（character）。由于字符型數(shù)據(jù)在讀入時自動轉(zhuǎn)換為因子，所以參數(shù)stringAsFactors=FALSE是為了防止導(dǎo)入的數(shù)據(jù)進(jìn)行任何的因子轉(zhuǎn)換。

具體可查閱《R語言實戰(zhàn)（第2版）》第二章中“2.3.2 從帶分隔符的文本文件導(dǎo)入數(shù)據(jù)”相關(guān)內(nèi)容。關(guān)于如何導(dǎo)入Excel數(shù)據(jù)可以參考文章【R語言】：導(dǎo)入Excel數(shù)據(jù) 和【R語言】：簡單數(shù)據(jù)處理分析。

數(shù)據(jù)預(yù)處理

一、重命名列名

為了方便處理，在導(dǎo)入數(shù)據(jù)時保留了文件中的第一行作為列名。

首先對原始數(shù)據(jù)進(jìn)行初步分析：第一列比賽日期（Date）的列名無需更改；第二列為比賽開始時間，原列名包含有英文縮寫ET，推測其為美國東部時間East Time的縮寫，決定把列名更改為Start_time；第三列為客場或中立球隊，更改為V_team；第四列是客隊得分，更改為V_PTS；第五列是主場或中立球隊，更改為H_team；第六列是主隊得分，更改為H_PTS；第七列是詳細(xì)的個人比賽數(shù)據(jù)，應(yīng)該有內(nèi)鏈，但沒有抓取到，隨后刪除；第八列標(biāo)記了是否進(jìn)行了加時賽（如果有是OT，沒有為空）；第九列是備注，全部為空，隨后刪除。

二、刪除無效數(shù)據(jù)和缺失值

1、刪除第七列和第九列的無效數(shù)據(jù)

可參考文章：【R語言】：基本數(shù)據(jù)管理（2）

2、刪除觀測的缺失值

比賽日期、客隊、客隊得分、主隊、主隊得分這五個列向量為空的數(shù)據(jù)都需要刪除。

應(yīng)該能用更簡單的代碼來實現(xiàn)，但暫時不清楚，以后遇到了再補(bǔ)充更改。

三、處理日期、數(shù)據(jù)類型轉(zhuǎn)換、數(shù)據(jù)排序

1、處理日期

比賽日期這一列包含的內(nèi)容為星期（縮寫）+月（縮寫）+日（數(shù)字）+年（數(shù)字），利用函數(shù)str_split_fixed()將該列拆分為星期、月日年兩列。

這兩列數(shù)據(jù)在隨后數(shù)據(jù)分析中都有用，將在分析之前再跟實際需求分別賦值到數(shù)據(jù)框中。

2、數(shù)據(jù)類型轉(zhuǎn)換

將比賽分?jǐn)?shù)轉(zhuǎn)換為數(shù)值格式，以便于之后的相關(guān)計算。

3、數(shù)據(jù)排序

此外，原始數(shù)據(jù)已經(jīng)按照比賽時間的升序排列，目前暫時不變，之后將根據(jù)需要另做排序。

簡單數(shù)據(jù)分析

NBA整個賽季的比賽非常多，整個賽季總共近1300場比賽?？梢粋€賽季下來，一周7天從星期一到星期天，到底聯(lián)盟更喜歡把比賽安排到哪一天呢？會是周五晚上，還是周六晚上呢？還是其他某天晚上呢？

運(yùn)行代碼后可得

1、統(tǒng)計每天比賽的數(shù)量

2、新建數(shù)據(jù)框，包含星期和天數(shù)（參考【R語言】：基本數(shù)據(jù)管理（1））

3、2015-2016賽季NBA一周每天的比賽數(shù)量

其中，關(guān)于函數(shù)text()和函數(shù)minor.tick()的詳細(xì)用法可參考：【R語言】：圖形初階（3）

4、簡單分析

NBA整個2015-2016賽季（包含常規(guī)賽和季后賽），在一周內(nèi)周三晚上的比賽數(shù)量最多（竟然不是周末），其次是周五晚上，周一晚上和周六晚上的比賽數(shù)量一樣多，并列第三。

后記

NBA的各項數(shù)據(jù)是一個非常大的數(shù)據(jù)寶藏，今天這個非常簡單的數(shù)據(jù)分析的小例子，僅僅利用非常少量的數(shù)據(jù)以及非常簡單的數(shù)據(jù)源。

稍微展開，就能想到更多復(fù)雜的分析，比如：

所有NBA球隊常規(guī)賽（季后賽）主場（客場）平均得分（失分）；

某支球隊常規(guī)賽主場平均得分（失分）、客場平均得分（失分），季后賽主場平均得分（失分）、客場平均得分（失分）；

某支球隊常規(guī)賽（全部、主場、客場）的勝率、季后賽（全部、主場、客場）的勝率、包含加時賽（全部、主場、客場）勝率、得分（失分）上百（未上百）的比賽勝率；

NBA數(shù)據(jù)幾乎擁有無限多可以分析的點以及可以深挖的內(nèi)容，并且NBA各支球隊目前也非常重視各項數(shù)據(jù)，并且用于指導(dǎo)球隊的技戰(zhàn)術(shù)提升和比賽。