今回は、Play-by-Play Dataのフィールドショットの情報を利用して、統計ソフトRによるフィールドショットに関する密度推定のグラフの作成方法を紹介していきたいと思います。
データは、2022-23シーズンのPbP. BDB（過去記事参照）を使用し、同シーズンにおけるeFG%の上位3チームであるデンバー・ナゲッツ、サクラメント・キングス、ゴールデンステイト・ウォリアーズに焦点をあてていきます。（※2022-23シーズンのeFG%の上位３チームはNBA公式ウェブサイトを参照しています。）
まずは、試合時間の各時点におけるフィールドショットの密度推定のグラフから確認していきます。
※データ分析を実践する際に参考にしている書籍『Basketball Data Science: With Applications in R』の紹介記事も書きましたので、よろしければご確認ください。
試合時間の各時点におけるフィールドショットのグラフ＜ナゲッツとキングスは試合を通して50%前後のショット成功率を維持＞
試合時間の各時点におけるフィールドショットの密度推定のグラフは、下記のとおりです。
デンバー・ナゲッツ、サクラメント・キングス、ゴールデンステイト・ウォリアーズの順に示しています。
上記のグラフについて、横軸は試合時間が秒単位（試合開始の０秒から始まり、試合終了の2,880秒まで）で示されており、縦軸はフィールドショットの頻度が対応しています。
グラフ内は試合の時間帯で色分けされ、試合開始から第2クオーターまで（0秒～1,440秒まで）は薄紫色、第3クオーター（1,441秒～2,160秒まで）は紫色、第4クオーター（2,161秒～2,880秒）は赤色で表示されています。
また、グラフ内にはその時間帯におけるベストスコアラーとそのプレイヤーの獲得点数、総試投数に占めるその時間帯の試投数の割合と実際の本数、その時間帯のフィールドショット成功率が示されています。
上記のグラフを確認すると、3チームとも試合開始後240秒あたりでフィールドショットの頻度が最も高くなっていることは共通していますが、その後の推移に3チーム間で違いが見られます。
ナゲッツについては、1,680秒あたりまでフィールドショットの頻度はほぼ横ばいに進み、そこから試合終了にかけてフィールドショットの頻度が低下していきます。
キングスについては、試合時間が進むにつれてフィールドショットの頻度が概ね低下していくことが分かります。
ウォリアーズについては、試合時間の経過に伴いフィールドショットの頻度に波があることが見て取れます。
ウォリアーズの傾向として、試合の中盤ごろ（1,440秒前後）にフィールドショットの頻度が一度高くなり、その後低下しますが、終盤（2,560秒前後）にかけてまたフィールドショットの頻度が高くなっていくことが読み取れます。
次に、3チームのベストスコアラーを見てみると、ナゲッツは試合のどの時間帯を切り取っても、ニコラ・ヨキッチがベストスコアラーであることが分かります。
キングスに関しては、第2クオーターまではドマンタス・サボニスがベストスコアラーとなり、第3クオーター以降はディアロン・フォックスがベストスコアラーとなっています。
ウォリアーズは、第2クオーターまではクレイ・トンプソンがベストスコアラーであり、第3クオーター以降はステフィン・カリーがベストスコアラーに変わります。
また、試合を通してのフィールドショット試投数の配分に目を向けると、3チームとも総試投数の約50%を第2クオーターまでに放ち、第３クオーターと第４クオーターにそれぞれ約25%のフィールドショットを放っている点は共通した傾向と言えます。
チームのフィールドショット成功率に関しては、ナゲッツとキングスは試合を通して50％前後の成功率で推移していますが、ウォリアーズのほうは試合を通して成功率が50%を下回っていることが分かります。
なお、上記のグラフを出力するコマンドは下記のとおりです。
> library(BasketballAnalyzeR) #パッケージBasketballAnalyzeRの読み込み
> dts.PbP.2223 <- read.csv(file="PbP. BDB_2223.csv") # PbP. BDB2223の読み込み
> PbP2223 <- PbPmanipulation(dts.PbP.2223) # PbPmanipulation()でPbP2223を作成
> data2223.teamDEN <- subset(PbP2223, team=="DEN" & result!="") #bP2223からteamがDENと一致し、かつショットのresult欄が空欄となっている行を除外し、data2223.teamDENへ格納
> data2223.teamSAC <- subset(PbP2223, team=="SAC" & result!="") #bP2223からteamがSACと一致し、かつショットのresult欄が空欄となっている行を除外し、data2223.teamSACへ格納
> data2223.teamGSW <- subset(PbP2223, team=="GSW" & result!="") #bP2223からteamがGSWと一致し、かつショットのresult欄が空欄となっている行を除外し、data2223.teamGSWへ格納
> densityplot(data=data2223.teamDEN, shot.type="field", var="totalTime", best.score=TRUE, title="FG - Total time - DEN") #densityplot()を用いて密度推定のグラフを出力
> densityplot(data=data2223.teamSAC, shot.type="field", var="totalTime", best.score=TRUE, title="FG - Total time - SAC")
> densityplot(data=data2223.teamGSW, shot.type="field", var="totalTime", best.score=TRUE, title="FG - Total time - GSW")次に、ショットクロックの各時点におけるフィールドショットの密度推定のグラフを示していきます。
ショットクロックの各時点におけるフィールドショットのグラフ＜ショットクロック終盤でもナゲッツは比較的フィールドショットが多い＞
ショットクロックの各時点におけるフィールドショットの密度推定のグラフは、下記のとおりです。
上記のグラフでは、横軸にショットクロックの経過時間が秒単位（０秒～24秒まで）で示されています。
グラフ内は、ショットクロック開始後5秒までの時間帯は薄紫色、5秒～20秒までの時間帯は紫色、20秒以降の時間帯は赤色で色分けがされています。
上記のグラフを確認すると、3チームの共通点として、ショットクロック開始後5秒頃と11秒～13秒頃にグラフ上で山がそれぞれ形成され、フィールドショットの頻度がそれぞれの時点で増加する点を挙げることができます。（※11秒～13秒頃の山に関しては、ショットクロックの14秒リセットの影響もある程度は考えられます。）
3チーム間の相違点に関しては、ナゲッツとキングスのほうは１つ目の山が最も高くなっていることから、比較的早い段階でフィールドショットの頻度が最多となり、ウォリアーズのほうは2つ目の山が最も高くなっていることから、ショットクロックの中盤あたりでフィールドショットの頻度が最多となる点を挙げることができます。
次に、3チームのベストスコアラーを見てみると、ナゲッツのベストスコアラーは、ショットクロック開始後5秒まではマイケル・ポーターJr.、５秒～20秒まではヨキッチ、20秒以降はジャマール・マレーとなっていることが分かります。
キングスに関しては、ショットクロック開始後20秒まではディアロン・フォックスがベストスコアラーであり、20秒以降はドマンタス・サボニスがベストスコアラーとなります。
ウォリアーズのほうは、ショットクロック開始後5秒まではクレイ・トンプソンがベストスコアラーとなり、5秒～20秒まではカリー、20秒以降は再度クレイ・トンプソンがベストスコアラーに戻ります。
また、ショットクロックを通してのフィールドショット試投数の配分に注目すると、ナゲッツはショットクロック開始後20秒以降の時間帯で総試投数の13％のフィールドショットを放っており、この割合は3チームの中で最も大きいことから、ショットクロックの終盤においては、ナゲッツが相対的に多くのフィールドショットを放っていることが読み取れます。
なお、フィールドショット成功率に関する傾向は3チームともに共通しており、ショットクロック開始後5秒までの時間帯の成功率が最も高く、その後ショットクロックが進むにつれて成功率が低下していくことが分かります。
なお、上記のグラフを出力するコマンドは下記のとおりです。
> densityplot(data=data2223.teamDEN, shot.type="field", var="playlength", best.score=TRUE, title="FG - Play length - DEN")
> densityplot(data=data2223.teamSAC, shot.type="field", var="playlength", best.score=TRUE, title="FG - Play length - SAC")
> densityplot(data=data2223.teamGSW, shot.type="field", var="playlength", best.score=TRUE, title="FG - Play length - GSW")次に、ショット距離におけるフィールドショットの密度推定のグラフを示していきます。
ショット距離の各地点におけるフィールドショットのグラフ＜ウォリアーズは長距離のフィールドショットに重点を置いている＞
ショット距離におけるフィールドショットの密度推定のグラフは、下記のとおりです。
上記のグラフでは、横軸にフィールドショットの距離（単位：フィート）が示されています。
グラフ内において薄紫色で色分けされている部分は、ノーチャージセミサークルエリア（いわゆるノーチャージエリア）近辺のフィールドショットを表しており、目安として0～4フィート（0～約1.2メートル）の距離で区分されています。
また、赤色で色分けされている部分は、3Pシュートを含む長距離のフィールドショットを表しており、目安として22フィート（約6.7メートル）以降の距離が対応しています。
なお、紫色で示されている部分は、ノーチャージセミサークルエリアから３Pライン付近のエリア内のフィールドショットを表しており、目安として4～22フィート（約1.2～約6.7メートル）の距離で区分されています。
上記のグラフを確認すると、3チームとも共通してリング周りを示す2～3フィート（約0.6～0.9メートル）あたりと、3Pシュートの目安となる25.5フィート（約7.7メートル）あたりにグラフ上で山が形成されていることが分かります。
ナゲッツに関しては、1つ目の山が最も高いことから、リング周りでのフィールドショットの頻度が最多となっていることが読み取れます。
また、ナゲッツのフィールドショット試投数の配分を確認すると、0～4フィートの距離から総試投数の35%のフィールドショットを放っており、この割合は3チームの中では最も大きい値であることが分かります。
一方、キングスとウォリアーズに関しては、2つ目の山が最も高く、3Pラインあたりからのフィールドショットの頻度が最も多くなる点で共通してはいますが、１つ目の山と２つ目の山の高さの違いに着目すると、相対的にウォリアーズのほうが3Pシュートに重点を置いているチームであることが読み取れます。
さらに、ウォリアーズのフィールドショット試投数の配分を確認すると、22フィート以降の距離から放たれるフィールドショットの割合は46%であり、この割合は3チームの中で最も大きい値になっていることからも、ウォリアーズの3Pシュートの多さを読み取ることができます。
次に、3チームのベストスコアラーを見てみると、ナゲッツのベストスコアラーは0～22フィートまではヨキッチ、22フィート以降はマイケル・ポーターJr.がベストスコアラーとなっていることが分かります。
キングスに関しては、0～4フィートまではドマンタス・サボニスがベストスコアラーとなり、4～22フィートまではディアロン・フォックス、22フィート以降はキーガン・マレーがベストスコアラーとなります。
ウォリアーズのほうは、0～4フィートまではケボン・ルーニーがベストスコアラーとなり、４～22フィートまではカリー、22フィート以降はクレイ・トンプソンがベストスコアラーとなっています。
なお、フィールドショット成功率に関する傾向は3チームともに共通しており、0～4フィートまでの成功率が最も高く、その後ショット距離が長くなるにつれて成功率が低下していくことが分かります。
なお、上記のグラフを出力するコマンドは下記のとおりです。
> densityplot(data=data2223.teamDEN, shot.type="field", var="shot_distance", best.score=TRUE, title="FG - Shot distance - DEN")
> densityplot(data=data2223.teamSAC, shot.type="field", var="shot_distance", best.score=TRUE, title="FG - Shot distance - SAC")
> densityplot(data=data2223.teamGSW, shot.type="field", var="shot_distance", best.score=TRUE, title="FG - Shot distance - GSW")おわりに
今回は、3チームのフィールドショットに関する密度推定のグラフを描いて、各チームのフィールドショットの分布の特徴を確認していきました。
それぞれのグラフを確認することで、各チームのフィールドショットに関する共通点や相違点を、試合の時間帯やショット距離に応じて捉えることができました。
バスケを観戦する際には、試合時間の各段階におけるベストスコアラー、ショットクロックの使い方、チームが重点を置いているフィールドショット距離などに注目すると、試合展開の理解が深まるかと思います。
なお、本記事は、記事の最後に紹介している書籍を参考にして作成しています。
それでは、今回のトラッシュトークは以上です。
【参考書籍】
Paola Zuccolotto and Marica Manisera (2020), Basketball Data Science – with Applications in R. Chapman and Hall/CRC. ISBN 9781138600799.
※本書籍の紹介記事を書いていますので、よろしければご参考ください。
逸見功（2018）『統計ソフト「Ｒ」超入門ー実例で学ぶ初めてのデータ解析ー』講談社.
