[시각화 분석 프로젝트] 1-2. 야구선수가 강해지는 계절이 있을까?

러닝스푼즈 수업 정리 

 

 

< 이전 글 > 

https://silvercoding.tistory.com/54

[시각화 분석 프로젝트] 1. best baseball player 분석

 

 

 

---

 데이터 불러오기 

import pandas as pd

file  = './data/KBO_2019_player_gamestats.csv'
raw = pd.read_csv(file, encoding = 'cp949')
raw.head()

이전 포스팅에서 사용했던 데이터를 그대로 불러온다. 

 

 

---

 야구선수가 강해지는 계절이 있을까 ? 

idea : '일자' 컬럼에서 월 정보만 추출해 내어 월 별 출루율을 시각화 해본다. 

 

1. 월 별 기록 정리하기 

- '일자' 컬럼에서 월 추출하기 

month_list = []
for monthdate in raw['일자']:
    month, date = monthdate.split('-')
    month_list.append(month)
raw['월'] = month_list

raw.head()

 

- 분석에 필요한 컬럼 선택 

columns_select = ['팀', '이름', '생일','일자', '상대','타수','안타','홈런', '루타', '타점','볼넷', '사구', '희비', '월']

data = raw[columns_select]
data.head()

 

- 월별 실적 집계 

data_player_month = data.pivot_table(index = ['팀','이름','생일', '월'], 
                               values = ['타수','안타','홈런','루타','타점','볼넷','사구','희비'], 
                              aggfunc = 'sum', fill_value = 0
                                )
data_player_month

팀, 이름, 생일로 선수를 구분하고, 월별 실적을 집계하는 pivot table을 생성한다. 비어있는 곳은 0으로 값을 채워 준다. 

data_player_month = data_player_month.reset_index()
data_player_month

reset_index로 멀티인덱스를 컬럼으로 변경해 준다. 

 

 

- 타율, 출루율, 장타율, OPS ( 주요 실적 계산 ) 컬럼 추가 

def cal_hit(df):
    '''
    - 타율 : 공을 쳐서 나가는 비율 --> 안타 / 타수
    - 출루율: 진루해서 나가는 비율 -->  (안타+볼넷+몸에맞는볼)/(타수+볼넷+몸에맞는볼+희생플라이)
    - 장타율 : 타율에 진루한 베이스 가중치 추가 -->   루타 / 타수
    '''
    
    df['타율'] = df['안타'] / df['타수']
    df['출루율'] = (df['안타'] + df['볼넷'] + df['사구']) / (df['타수'] + df['볼넷'] + df['사구'] + df['희비'])
    df['장타율'] = df['루타'] / df['타수']
    df['OPS'] = df['출루율'] + df['장타율']
    return df

player_month_stat = cal_hit(data_player_month)
player_month_stat.head()

 

player_month_stat.info()

결측값이 있는 것을 확인할 수 있다. 

 

player_month_stat = player_month_stat.dropna()
player_month_stat.head()

dropna()를 이용하여 결측값이 있는 row를 제거해 준다. 

 

player_month_stat.info()

결측값이 모두 채워졌다! 

 

- 월별 출루율 

month_pivot = player_month_stat.pivot_table(index = ['팀','이름','생일'],
                             columns = '월',
                             values = '출루율')
month_pivot = month_pivot.reset_index()
month_pivot

위와 같이 선수들의 월 별 출루율 피벗테이블을 생성하였다. 

 

 

2. 결과 : KBO 출루율 최고타자들의 월 별 출루율 확인해 보기 

- KBO 출루율 최고타자 데이터 불러오기 

file = './data/player_stat.csv'
player_stat = pd.read_csv(file, encoding = 'cp949')
player_stat.head(20)

저번 글의 주제였던 출루율을 기준으로 정렬해 놓은 데이터이다. 이 데이터와 위에서 만들어 놓은 월 별 출루율 데이터를 합병하여 출루율 상위 50명의 선수들의 월 별 출루율 기록을 확인해 보자. 

 

 

- 데이터 합병 

df = pd.merge(player_stat, month_pivot, how = 'left', on = ['팀','이름','생일'])
# left_on = ['팀','이름','생일'], right_on = ['팀','이름','생일']
df.head(10)

df_sort = df.sort_values(by = '출루율', ascending = False).head(50)
df_sort

다시한번 출루율을 기준으로 정렬 하고 , 50개의 데이터를 df_sort 에 넣어 준다. 

df_selected = df_sort[['팀', '이름', '출루율', '03', '04', '05', '06', '07', '08', '09', '10']]
df_selected

그리고 df_sort에서 출루율과 관련된 컬럼만 뽑아서 df_selectied 변수를 선언한다. 

숫자로 나와있으니 50명의 선수들의 월 별 기록이 어떤지 가늠이 안 간다. 따라서 시각화를 통하여 확인하도록 한다. 

 

 

 

- 시각화로 한눈에 보기 

df_selected = df_selected.set_index(['팀','이름'])
df_selected

히트맵을 사용하여 시각화를 할 것이다. 이 때 데이터프레임의 values 부분은 모두 숫자형 데이터로만 되어 있어야 한다. 따라서 팀, 이름 컬럼은 index로 변경해 준다. 

import matplotlib
from matplotlib import font_manager, rc
import platform
import matplotlib.pyplot as plt
import seaborn as sns

# 이미지 한글 표시 설정
if platform.system() == 'Windows':  # 윈도우인 경우 맑은고딕
    font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name()
    rc('font', family=font_name)
else:    # Mac 인 경우 애플고딕
    rc('font', family='AppleGothic')

#그래프에서 마이너스 기호가 표시되도록 하는 설정입니다.
matplotlib.rcParams['axes.unicode_minus'] = False

sns.heatmap(df_selected)

조금 더 설정을 주어 보기 쉽게 만들어 보자. 

fig, ax = plt.subplots( figsize=(15,15) )
sns.heatmap(data = df_selected, 
            annot = True, fmt = '.3f', 
            cmap = 'Reds'
           )

진한 빨간색일 수록 보다 높은 출루율을 가진다. 아직은 월 별로 더 잘한 건지 못한 건지 한 눈에 보기는 어렵다. 따라서 시즌 전체 출루율과의 차이를 구하여  확인해 보자. 

for col in df_selected.columns[1:]:
    df_selected[col] = df_selected[col] - df_selected['출루율'] 
df_selected['출루율'] = 0.0

시즌 출루율과 월별 출루율의 차이를 모두 구한 후, 시즌 출루율의 영향을 받지 않게 하기 위해 모두 0으로 바꾸어 준다. 

fig, ax = plt.subplots( figsize=(10,10) )

sns.heatmap(data = df_selected.head(50), 
            annot = True, fmt = '.3f', 
            cmap = 'RdBu_r'
           )

빨간색이 짙으면 시즌 출루율 보다 높은 출루율을 갖고 있으며, 파란색이 짙다면 , 시즌 출루율 보다 더 낮은 출루율을 갖고 있음을 의미 한다. 예를 들어 한화 최재훈 선수는 3월 출루율이 우세했고, KIA 유민상 선수는 6월에 비해 7월에 엄청난 출루율 상승을 보인다. 계절에 따른 영향이 있는지 궁금했는데 , (더운 여름철에는 기록이 줄어드는 등 ) 선수 마다 모두 다르고, 확실히 특정 달에 출루율이 높아지는 선수들이 있는 것을 볼 수 있었다.