NBA球星是如何投篮的?把詹姆斯、库里的投篮数据图3D打印出来

简介: 2017-2018的NBA赛季已经落幕。虽然勇士夺冠的结果没有出乎太多人的意料,但是一些扣人心弦的戏码还是令人印象深刻。

2017-2018的NBA赛季已经落幕。虽然勇士夺冠的结果没有出乎太多人的意料,但是一些扣人心弦的戏码还是令人印象深刻。

2018年是个”只要有体育就有数据“的年代。NBA也不例外,其为我们提供了所有球员、球队、比赛、进球的数据,还有服务于开发者的API接口。

相关链接:
http://stats.nba.com/

篮球爱好者、同时也是UCLA的统计学博士Nathan Yau搜集了一些相关的数据集,并且通过3D建模把不同选手的投篮数据立体展示了出来。

他使用了3D打印机打印出球员的投篮热图(即在球场上的投篮命中率分布),利用Todd Schneider的BallR扩展库和Ian Walker的r2stl扩展库,球员的投篮数据可以被处理,并导出为适用于3D打印的数据。

每根柱体代表了1平方公尺内的投篮命中率,高度使用了对数刻度。整片区域的集合反映了球员的投篮水准和分布,最后打印的结果非常像城市景观。

image

Todd Schneider’s BallR:
http://toddwschneider.com/posts/ballr-interactive-nba-shot-charts-with-r-and-shiny/

Ian Walker’s r2stl:
https://cran.r-project.org/web/packages/r2stl/

一起来看看这些有趣的投篮图!

哈登的投篮热图


image


image

今年的常规赛MVP(最有价值球员)得主詹姆斯·哈登的投篮热图十分有趣。需要介绍一下,他所在的火箭队采取了一种“魔球”战术:只投三分,或者内线上篮,忽略其他的一切。哈登的投篮表格也体现了这一点:内线最高,三分线外其次,中间部分呈现低谷。

詹姆斯的投篮热图

image

image


前克利夫兰骑士队(现洛杉矶湖人队)球员勒布朗·詹姆斯在这个赛季提升了他的三分投射,但他的强项仍然是内线突破。跟哈登相比,他在中距离部分表现更稳定。

杜兰特的投篮热图

image
image

今年的总冠军成员以及FMVP(总决赛最有价值球员)凯文·杜兰特的投篮分布更像是前面两者的混合版本。这是由于他很多的中距离投篮,许多在肘区以及靠近边线区域的投篮。如果你很熟悉勇士队的比赛风格,这样的结果应该不会让你惊讶。

库里的投篮热图

image

image

同样是总冠军成员之一的“萌神”斯蒂芬·库里在投了许多三分的同时,也加强了中距离的投射,让投篮图的整个形状看上去相对平缓。但最突出的特点是他的超远距离投射,三分线外的一些区域,以及靠近中线的三根柱体都反映了这一点。如果将其与其他人相比这个特点会更明显。

西蒙斯的投篮热图

image

image

和其他的后卫相比,费城76人队的本·西蒙斯在靠近篮筐的区域才能发挥他的优势。由于几乎不投三分球,西蒙斯的投篮分布更像是一个中锋才会有的结果,但是在图中看不到的是他顶级后卫的助攻数(8.2次/场,排名第五)。

看了这些3D图之后有什么想法呢?欢迎留言讨论~

相关报道:
https://flowingdata.com/2018/05/01/data-r-and-a-3-d-printer/

原文发布时间为:2018-08-04
本文作者:文摘菌
本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”。

相关文章
|
3月前
|
机器学习/深度学习 搜索推荐 算法
基于深度学习的音乐推荐系统
本文探讨了信息过载背景下推荐系统的发展与应用,重点研究基于卷积神经网络的音乐推荐系统设计与实现。内容涵盖推荐系统的发展历程、技术架构及在音乐领域的应用,介绍了系统开发中使用的Python、MySQL与B/S结构等关键技术,并提出了通过输入文字实现音乐推荐的解决方案,旨在提升用户个性化音乐获取效率。
|
12月前
|
人工智能 自然语言处理 安全
新浪微博AIGC业务应用探索-AIGC应用平台助力业务提效实践
本次分享围绕AIGC技术在新浪微博的应用展开,涵盖四个部分。首先分析AIGC为微博带来的机遇与挑战,特别是在内容安全和模型幻觉等问题上的应对策略;其次介绍通过工程架构快速实现AIGC技术落地的方法,包括统一部署模型和服务编排;接着展示AIGC在微博的具体应用场景,如评论互动、视频总结和智能客服等;最后展望未来,探讨大模型的发展趋势及其在多模态和特定业务场景中的应用前景。
|
数据可视化 前端开发 数据挖掘
【优秀python大屏】基于python flask的广州历史天气数据应用与可视化大屏
本文介绍了一个基于Python Flask框架的广州历史天气数据应用与可视化大屏系统,该系统通过数据采集、处理、分析和可视化技术,提供了丰富的气象数据展示和决策支持,帮助用户快速了解和应对气象变化。
584 110
【优秀python大屏】基于python flask的广州历史天气数据应用与可视化大屏
|
存储 Kubernetes API
在K8S中,PVC创建和挂载失败原因有哪些?
在K8S中,PVC创建和挂载失败原因有哪些?
|
机器学习/深度学习 人工智能 自然语言处理
软件测试中的人工智能革命:提升测试效率与质量的新篇章
随着人工智能技术的不断成熟,其在软件测试领域的应用正逐渐改变传统测试方式。本文将探讨AI在软件测试中的应用现状、优势以及面临的挑战,并通过具体案例分析展示AI如何提高测试效率和质量。最后,我们将讨论未来AI在软件测试中的发展趋势及其对人类测试工程师角色的影响。
1129 4
|
Kubernetes Nacos 开发者
Nacos 官网重大升级,提供官方发行版下载包,3.0 里程碑版本新特性预告
Nacos 官网重大升级,提供官方发行版下载包,3.0 里程碑版本新特性预告
1895 113
|
人工智能 异构计算 算法
《阿里云产品四月刊》—一文解读:阿里云 AI 基础设施的演进与挑战(2)
阿里云瑶池数据库云原生化和一体化产品能力升级,多款产品更新迭代
430 1
《阿里云产品四月刊》—一文解读:阿里云 AI 基础设施的演进与挑战(2)
|
Linux Windows
【Linux】grub命令行引导进入windows系统
【8月更文挑战第20天】在Linux中通过GRUB命令行引导Windows的方法包括:1) 进入GRUB命令行模式,启动时按`c`键;2) 使用`ls`查找含Windows引导文件的分区,如`bootmgr`或`ntldr`;3) 设置根设备`root=(hd0,msdos3)`与链加载器`chainloader +1`;4) 输入`boot`命令启动Windows。请注意实际步骤可能因系统配置而异。
2043 2
|
存储 缓存 Java
(一) 玩命死磕Java内存模型(JMM)与 Volatile关键字底层原理
文章的阐述思路为:先阐述`JVM`内存模型、硬件与`OS`(操作系统)内存区域架构、`Java`多线程原理以及`Java`内存模型`JMM`之间的关联关系后,再对`Java`内存模型进行进一步剖析,毕竟许多小伙伴很容易将`Java`内存模型(`JMM`)和`JVM`内存模型的概念相互混淆,本文的目的就是帮助各位彻底理解`JMM`内存模型。
434 0
|
小程序
微信小程序:引入阿里巴巴矢量图标库iconfont
微信小程序:引入阿里巴巴矢量图标库iconfont
1528 1