首先，一些背景资料。 我叫Vladislav，与R的相识发生在去年8月。 由于应用性，我决定学习一种编程语言。 从小开始，我喜欢保持体育统计。 随着年龄的增长，这种爱好变成了一种以某种方式分析这些数字的愿望，并在数据分析的基础上，提出了可能的巧妙想法。 问题是，近年来，体育运动已被一波数据席卷，数十家公司相互竞争，试图计算，描述并将足球运动员，篮球运动员，棒球运动员在球场上的任何动作推向神经元。 Excel绝对不适合进行分析。 因此，我决定研究R，以便最简单的分析不会花费半天。 在学习过程中，已经增加了对编程的兴趣，但是这已经是歌词了。
我想立即注意到以后我会写的很多东西 已经在辛普森一家 在Habr上的文章“ 我们使用R创建动画直方图”中。相应地，本文是对使用 Medium中的R创建趋势动画条形图的文章的翻译。 因此，为了与上述文章有所不同，我将尝试更全面地描述我在做什么，以及那些不在原始文章中的时刻。 例如，为了填充列，我使用了NBA命令的颜色，而不是标准的ggplot2调色板，而是在数据处理data.table包而不是dplyr使用了颜色。 我已经完成了所有这些工作，所以现在只需写下团队的名称和您需要计算胜利数的年份就足够了。
资料
为了制定时间表，我使用了过去15个赛季中30支NBA球队中每支球队获胜次数的数据。 它们是使用NBA Data Retriever扩展名从stats.nba.com收集的，该扩展名通过使用NBA API生成具有必要统计信息的csv文件。 这是我在Github上的项目的完整细节。
使用的图书馆
library(data.table) library(tidyverse) library(gganimate)
对于数据处理，我使用data.table （仅因为我之前遇到过此软件包）。 我还下载了一套tidyverse软件包，而不是单独的ggplot2以免担心，如果在分析过程中出现某种想法，需要从该集合中另外加载一个软件包。 在这种特殊情况下， ggplot2 ，不涉及其他设置包。 好吧， gganimate使图形运动。
处理数据
首先，您需要对数据进行排序。 基本上，要构建图形，我们需要在具有原始数据的表的79列中选择2列。 您可以先选择必要的列，然后再替换一些值。 我走了第二条路。
data.table中的表的格式为dt[i, j, by] ，其中by是对元素分组“负责”的。 我将按“团队名称”列进行分组。 而且有一个障碍。 此列显示球队名称：湖人，凯尔特人，热火等。 但是在本报告所述期间（从2004/05赛季开始），几支球队改名：新奥尔良黄蜂队变成新奥尔良鹈鹕队，夏洛特山猫队改回了历史名称夏洛特黄蜂队，西雅图超音速队变成了俄克拉荷马城雷霆队。 这会引起混乱。 以下转换有助于避免这种情况：
table1 <- table[TeamCity == "New Orleans" & TeamName == "Hornets", TeamName := "Pelicans"][ TeamCity == "New Orleans/Oklahoma City" & TeamName == "Hornets", TeamName := "Pelicans"][ TeamName == "Bobcats", TeamName := "Hornets"][ TeamName == "SuperSonics", TeamName := "Thunder"]
在此时间段内，更改很小，但是如果将其扩展，则按TeamName分组将变得非常困难，并且您将需要使用更可靠的列。 在此数据中，这是TeamID。
首先，我们摆脱“额外”信息，仅保留我们需要工作的那些列：
table1 <- table1[ , .(TeamName, WINS)]
在data.table 。（）构造替换list函数。 选择列的更“经典”选项是table1 <- table1[, c("TeamName", "WINS")] 。 之后，该表采用以下形式：
对于每个季节单独的动画，这就足够了，但是要计算选定时间段内的总胜利数，您需要计算总胜利数。
table1 <- table1[, CumWins := cumsum(WINS), by = "TeamName"]
使用cumsum函数cumsum我们得到所需的数字。 使用：=代替=允许您向表中添加新列；我不会用相同的CumWins列覆盖它。 by = "TeamName"按团队名称对数据进行分组，并分别为30个团队中的每个团队by = "TeamName"累积量。
接下来，我在每个季节开始的年份添加一列。 NBA的季节从10月到5月，所以它分为两个日历年。 在季节的指定中，即开始的年份，即 赛季：图表中的2018年实际上是2018/19赛季。
原始表具有此数据。 SeasonID列以2的形式（季节开始的年份）显示一个数字，例如22004。您可以使用stringr程序包或基本的R函数删除前两个stringr ，但是我采用了一些不同的方式。 原来，我首先使用此列指示所需的季节，然后删除并再次创建一个包含日期的列。 额外的动作。
我这样做如下：
table1 <- table1[,year := rep(seq(2004, 2018), each = length(unique(table1$TeamName)))]
我很幸运，在选定的时间段内，NBA的球队数量没有变化，所以我只重复了2004年至2018年的数字30次。 同样，如果您不了解历史，则此方法将很不方便，因为每个赛季的球队数量会有所不同，因此最好在清除SeasonID列时使用该选项。
然后添加cumrank列。
table1 <- table1[, cumrank := frank(-CumWins, ties.method = "random"), by = "year"]
它代表每个赛季的获胜次数排名，并将用作X轴值。具有相同胜利数的球队将以什么顺序前进，因此ties.method = "random" 。好吧，所有这些ties.method = "random"一年。
最后的表转换是添加value_rel列。
table1 <- table1[, value_rel := CumWins/CumWins[cumrank==1], by = "year"]
该列考虑了每个团队的胜利次数与该年度最高指标的比率。 对于最佳球队，该指标为1，对于其他球队，该指标则较小，具体取决于赛季的成功程度。
在所有添加之后，该表具有以下形式：
表格中仅显示一个团队来说明累积性。 所有这些操作都完成了，就像名称更改一样，使用了一系列方括号
table1 <- table1[ ,.(TeamName, WINS)][ , CumWins := cumsum(WINS), by = "TeamName"][ ,year := rep(seq(2004, 2018), each = length(unique(table1$TeamName)))][ , cumrank := frank(-CumWins, ties.method = "random"), by = "year"][ , value_rel := CumWins/CumWins[cumrank==1], by = "year"]
将列的填充从标准更改为团队的颜色。
您可以立即进行图的构建，但是在我看来，有一个重要点：图中列的颜色。 您可以保留标准的ggplot2调色板，但这是一个不好的选择。 首先，在我看来她很丑。 其次，这使得很难在图表上找到团队。 对于NBA球迷来说，每支球队都有特定的颜色：波士顿是绿色，芝加哥是红色，萨克拉曼多是紫色，等等。 因此，尽管有很多蓝色和红色，但在填充列中使用命令的颜色有助于更快地识别它。
为此，请创建一个带有命令名称及其主要颜色的表table_color 。 颜色取自teamcolorcodes.com 。
使用颜色表，您需要再进行一次操作。 因为 当使用绘图因子时，团队的顺序就会改变。 名单上的第一个是“数字”名称的唯一所有者费城76，然后根据字母。 因此，我们需要以相同的顺序排列颜色，然后从表中提取包含它们的向量。 我这样做如下：
table_color <- table_color[order(TeamName)] cols <- table_color[, "TEAM_color"]
绘图
我们实际上只构建了一个图表，其中包含所有450场胜利（15季* 30支球队）的胜利指标，然后使用gganimate软件包中的函数将其“划分”为必要的变量（在我们的情况下为年份）。
gg <- ggplot(table1, aes(cumrank, group = TeamName, fill = as.factor(TeamName), color = as.factor(TeamName))) + geom_tile(aes(y = CumWins/2, height = CumWins, width = 0.7), color = NA, alpha = 0.8)
首先，我们使用ggplot函数创建图形。 在aes参数中，指定如何将表中的变量显示在图表上。 我们通过TeamName对它们进行分组， fill和color将负责列的颜色。
真实的列称它并不完全正确。 使用geom_tile我们将图表上的数据“划分”为矩形。 这是此类图表的示例：
可以看出，图形是如何“划分”为正方形的（它们是使用coord_equal()层从矩形获得的），每列三个。 但是由于参数width小于1，我们的图块采用了列的形式。
geom_text(aes(y = 0, label = paste(TeamName, " ")), vjust = 0.2, hjust = 1, size = 6) + geom_text(aes(y = CumWins, label = paste0(" ",round(CumWins))), hjust = 0, size = 7) + coord_flip(clip = "off", expand = FALSE) + scale_fill_manual(values = cols) + scale_color_manual(values = cols) + scale_y_continuous(labels = scales::comma) + scale_x_reverse() + guides(color = FALSE, fill = FALSE) +
接下来，我使用geom_text添加两个签名：团队名称和获胜次数。 coord_flip交换轴， scale_fill_manual和scale_color_manual更改列的颜色， scale_x_reverse “扩展” X轴注意，我们从先前创建的cols矢量中获取颜色。
theme层指定用于调整图形显示的选项。 此处指示了如何显示轴的标题和标签（无论如何，等号右侧的element_blank都不告诉我们）。 我们沿Y轴删除图例，背景，框架和网格线，并plot.title ， plot.subtitle ， plot.caption参数设置标题，字幕和图表签名的显示选项。 有关所有参数含义的更多详细信息，请参见gglot2。
theme(axis.line=element_blank(), axis.text.x=element_blank(), axis.text.y=element_blank(), axis.ticks=element_blank(), axis.title.x=element_blank(), axis.title.y=element_blank(), legend.position="none", panel.background=element_blank(), panel.border=element_blank(), panel.grid.major=element_blank(), panel.grid.minor=element_blank(), panel.grid.major.x = element_line( size=.1, color="grey" ), panel.grid.minor.x = element_line( size=.1, color="grey" ), plot.title=element_text(size=25, hjust=0.5, face="bold", colour="black", vjust=-1), plot.subtitle = element_text(size = 15), plot.caption =element_text(size=15, hjust=0.5, color="black"), plot.background=element_blank(), plot.margin = margin(2,2, 2, 4, "cm"))
创建动画
我不会再使用transition_states函数，这部分与我先前在Habré上发表的文章相同。 对于labs它将创建图表的标题，副标题和签名。 使用{closest_state}可以让您在图表上显示每个特定的年份，这些图表我们目前正在查看。
anim <- gg + transition_states(year, transition_length = 4, state_length = 1) + view_follow(fixed_x = TRUE) + labs(title = "Cumulative Wins by teams in seasons", subtitle = "Season: {closest_state}", caption = "Telegram: @NBAatlantic, Twitter: @vshufiskiy\n Data sourse: stats.nba.com")
nba_cumulative_wins函数用于创建图表。
如果您需要多次使用代码，编写函数可以简化并加快获得结果的过程。 通常，R中的函数具有以下形式：
_ <- function( ) { _ }
首先，您需要了解要使用该函数更改哪些参数，其参数将取决于此。 第一个参数是正在输入的数据表的名称。 这样，您可以在需要时重命名它，而无需更改函数本身中的任何内容。 我还希望图表上显示任意数量的命令：从一个（毫无意义）到30个（根本不再存在）。 我还希望能够考虑我拥有数据的那15年内的任何时间段。 所有这些都是通过以下函数形式实现的：
nba_cumulative_wins <- function(table, elements, first_season, last_season){ ... }
其中table是具有输入数据的表的名称，
elements应该在图表上显示的团队的名称
first_season要在图表上显示的第一个季节
last_season图表上要显示的最后一个季节。
如果参数经常与特定值一起使用，则可以默认设置它。 然后，如果在函数的参数中将其省略，则将替换该值。 例如，如果您注册
nba_cumulative_wins <- function(table, elements, first_season, last_season = 2018)
除非另有说明，否则时间表将一直持续到2018/19赛季。
使用参数elements ， first_season ， last_season
使用elements参数，我们可以指定要在图表上看到的球队的名称。 当有2或3个这样的球队时，这非常方便，但是如果要显示整个联赛，我们将必须在方括号中写上elements = c()和所有30支球队的名称。
因此，我决定将elements参数的输入值“拆分”为几组。
nba_cumulative_wins函数可以为单个团队，部门，会议或整个NBA构建图形。 为此，我使用了以下构造：
select_teams <- unique(table1$TeamName) select_div <- unique(table1$Division) select_conf <- unique(table1$Conference) select_nba <- "NBA" table1 <- if(elements %in% select_teams){ table1[TeamName %in% elements] } else if (elements %in% select_div){ table1[Division %in% elements] } else if(elements %in% select_conf){ table1[Conference %in% elements] } else if(elements == "NBA"){ table1 } else { NULL }
select_符号向量包含所有30支球队，6个分区，2个会议和NBA的名称， unique功能仅留下一个唯一名称，而不是15（按数据年限）。
然后，使用if...else ，验证输入的elements参数属于一个类（ %in%用于确定元素是否属于向量），并相应地修改数据表。 现在，如果我想看看西南分区的比赛结果
elements = c("Mavericks", "Spurs", "Rockets", "Grillies", "Pelicans")
只需输入
elements = "Southwest" ，它更快，更方便。
由于可以选择季节，带日期的工作也会改变。 在开始时，添加以下行：
table1 <- table1[SeasonID >= as.numeric(paste(2, first_season, sep = "")) & SeasonID <= as.numeric(paste(2, last_season, sep = ""))]
因此，我只在表中保留那些属于我们选择的时间间隔的行。 创建year列的代码也会更改。 现在看起来像这样：
table1 <- table1[ ,year := rep(seq(first_season, last_season), each = length(unique(table1$TeamName)))]
与元素分组有关，获得所需颜色的过程很复杂。 事实是在表table_color只有命令的名称。 因此，我们需要“收缩”我们的宫缩。 为此，请再次使用if...else构造。
elements1 <- if (elements == "NBA"){ c("Hawks", "Celtics", "Nets", "Hornets", "Bulls", "Cavaliers", "Mavericks", "Nuggets", "Pistons", "Warriors", "Rockets", "Pacers", "Clippers", "Lakers", "Grizzlies", "Heat", "Bucks", "Timberwolves", "Pelicans", "Knicks", "Thunder", "Magic", "76ers", "Suns", "Trail Blazers","Kings", "Spurs", "Raptors", "Jazz", "Wizards") } else if (elements == "West") { c("Mavericks","Nuggets", "Warriors", "Rockets", "Clippers", "Lakers", "Grizzlies","Timberwolves", "Pelicans", "Thunder", "Suns", "Trail Blazers","Kings", "Spurs", "Jazz") } else if (elements == "East") { c("Hawks", "Celtics", "Nets", "Hornets", "Bulls", "Cavaliers","Pistons", "Pacers", "Heat", "Bucks", "Knicks", "Magic", "76ers", "Raptors", "Wizards") } else if (elements == "Pacific") { c("Warriors", "Clippers", "Lakers", "Suns", "Kings") } else if (elements == "Southeast") { c("Magic", "Hornets", "Heat", "Hawks", "Wizards") } else if (elements == "Southwest") { c("Mavericks", "Grizzlies", "Pelicans", "Rockets", "Spurs") } else if (elements == "Central") { c("Bucks", "Pacers", "Pistons", "Bulls", "Cavaliers") } else if (elements == "Atlantic") { c("Knicks", "Nets", "Celtics", "Raptors", "76ers") } else if (elements == "Northwest") { c("Nuggets", "Trail Blazers", "Jazz", "Thunder", "Suns") } else { elements }
接下来，使用所需命令的名称创建一个表，使用dplyr包中的inner_join函数将该表连接至table_color 。 inner_join仅包括在两个表中都匹配的情况。
table_elements1 <- data.table(TeamName = elements1) table_color <- table_color[order(TeamName)] inner_table_color <- inner_join(table_color, table_elements1) cols <- inner_table_color[, "TEAM_color"]
该功能更改标题和副标题的拼写。 他们看起来像这样：
anim <- gg + transition_states(year, transition_length = 4, state_length = 1) + view_follow(fixed_x = TRUE) + labs(title = paste("Cumulative Wins by teams in seasons", first_season, "-", last_season, sep = " "), subtitle = paste(if (elements %in% select_div ){ paste(elements, "Division", sep = " ") } else if (elements %in% select_conf ){ paste("Conference", elements, sep = " ") }, "Season: {closest_state}", sep = " "), caption = "Telegram: @NBAatlantic, Twitter: @vshufiskiy\nData sourse: stats.nba.com")
渲染图
此外，所有这些都可视化了。
animate(anim, nframes = (last_season - first_season + 1) * (length(unique(table1$TeamName)) + 20), fps = 20, width = 1200, height = 1000, renderer = gifski_renderer(paste(elements[1], "cumwins.gif", sep = "_")))
我凭经验选择了nframes的数字，因此，根据所选命令的数量，速度会增加/减少。
图表
希望我的帖子有趣。 Github项目代码。
如果您对这些可视化的体育部分感兴趣，可以访问我在sports.ru上的博客“大西洋两岸”