12月16日（現地時間15日）、テキサス州サンアントニオのフロスト・バンク・センターで行われたロサンゼルス・レイカーズ対サンアントニオ・スパーズの試合は、スパーズが115対129でレイカーズに勝利。
スパーズは連敗を18でストップし、11月2日のフェニックス・サンズ戦以来の白星を手にした。
※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。
試合内容＜レイカーズ対スパーズ 2023-12-16＞
本試合、レイカーズは主力のアンソニー・デイビス、キャム・レディッシュ、ディアンジェロ・ラッセルが欠場となる中、試合は序盤からスパーズがリードを広げる展開となる。
第2クォーター序盤には、スパーズが本試合最大となる25点のリードを奪うが、レイカーズのレブロン・ジェームズ、トーリアン・プリンスらの活躍もあり、第2クォーター終盤には62対66の4点差までレイカーズが点差を縮める。
後半に入りレイカーズが逆転を試みるもスパーズの勢いは止まらず、終始スパーズがリードを保ったまま試合は進み、最終スコア115対129でスパーズがレイカーズを下した。
本試合における8つのスタッツに関して、各チームのプレイヤーごとのレーダーチャートを下記に示す。（※NBA公式ウェブサイトのボックススコアをもとに作成。作成は出場時間2MIN超の選手に限定している。）
※①クリックで拡大。②チャート内の青色の破線は平均値。③チャートの作成方法に関しては後述のコマンドと過去記事参照。
レイカーズに関しては、レブロン・ジェームズが23得点、7リバウンド、14アシスト、2スティール、ジャクソン・ヘイズが7リバウンド、オースティン・リーブスが22得点（3Pシュート成功数4本）、7リバウンド、八村塁が20得点、クリスチャン・ウッドが17得点、8リバウンド、2ブロックを記録している。
※①クリックで拡大。②チャート内の青色の破線は平均値。③チャートの作成方法に関しては後述のコマンドと過去記事参照。
また、スパーズに関しては、デビン・バッセルが36得点（3Pシュート成功数5本）をマークしキャリアハイを達成、ケルドン・ジョンソンが17得点、6アシスト、ビクター・ウェンバンヤマが15リバウンド、5アシスト、2スティール、2ブロック、マラカイ・ブランナムが8アシスト、ジェレミー・ソーハンが8リバウンド、ジェディ・オスマンが15得点、6アシストを記録している。
本試合では、レイカーズの3Pシュート成功率は30.6%、フリースロー成功率は64.3%であったのに対して、スパーズの3Pシュート成功率は42.9%、フリースロー成功率は89.5%を記録しており、これらシュートの精度に関して両チーム間で大きな違いが見られた試合であった。
下記は、横軸に3Pシュート成功率（P3p）、縦軸にフリースロー成功率（FTp）の数値をとり、バブルの大きさに獲得点数（PTS）、バブルの色にTS%（TSp）を対応させたバブルチャートである。（※フィールドゴール（2P・3Pシュート）のみで算出される通常のシュート成功率（FG%）に対して、TS%はフリースローも考慮してシュート成功率が算出される。）
※①クリックで拡大。②チャートの作成方法に関しては後述のコマンドと過去記事参照。
上記のバブルチャートの3Pシュート成功率（P3p）に注目すると、成功率が50%以上となっているプレイヤーはレイカーズ側がドゥモイ・ホッジの1名のみとなっている一方で、スパーズ側は6名（マラカイ・ブランナム、デビン・バッセル、ザック・コリンズ、ビクター・ウェンバンヤマ、ダグ・マクダーモット、ジェディ・オスマン）のプレイヤーが高水準の成功率を残していることがわかる。
フリースロー成功率（FTp）に関しては、成功率が80%以上となっているプレイヤーはレイカーズ側がオースティン・リーブスと八村塁の2名であるのに対して、スパーズ側は4名（デビン・バッセル、ザック・コリンズ、ケルドン・ジョンソン、ジェレミー・ソーハン）となっている。
また、3Pシュート成功率（P3p）とフリースロー成功率（FTp）がともに平均以上の水準に達しているプレイヤーは、レイカーズ側がオースティン・リーブスとレブロン・ジェームズの2名であるのに対して、スパーズ側はデビン・バッセル、ザック・コリンズ、ケルドン・ジョンソン、ビクター・ウェンバンヤマの4名となっていることからも、3Pシュートとフリースローに関してはスパーズが優勢であったことが読み取れる。
さらに、今試合でキャリアハイの36得点をマークしたデビン・バッセルをはじめ、ザック・コリンズやマラカイ・ブランナムらのTS％の高さを考慮すれば、スパーズの各プレイヤーの3Pシュートの精度の高さ、フリースローを決めきる集中力の高さが現れた試合だったといえる。
※参考＜統計ソフトRに入力するコマンド＞
両チームの8スタッツに関するレーダーチャート
> library(BasketballAnalyzeR) #パッケージBasketballAnalyzeRの読み込み
> Bscore1216 <- read.csv(file="20231216_LALSAS.csv") #該当試合のデータを集計したデータの読み込み
> Bscore1216 <- subset(Bscore1216, Bscore1216$MIN>2) #Bscore1216から出場時間2MIN超のデータを抽出
> attach(Bscore1216) #attach()でBscore1216を指定
> X <- data.frame(PTS,P3M, FTM, REB, AST, STL, BLK, TO) #各スタッツの数値をdata.frame()でまとめてXに格納
> detach(Bscore1216) #detach()でBscore1216を指定から外す
> radialprofile(data=X, title=Bscore1216$Player, std=TRUE) #レーダーチャートを出力するコマンドでありstd=TRUEで標準化
> listplots <- radialprofile(data=X, title=Bscore1216$Player, std=TRUE) #上記のコマンドをlistplotsに格納
> library(gridExtra) #パッケージgridExtraの読み込み
> grid.arrange(grobs=listplots[1:10], ncol=5) # grid.arrange()で一方のチームのプレイヤーを出力
> grid.arrange(grobs=listplots[11:20], ncol=5) # grid.arrange()でもう一方のチームのプレイヤーを出力3Pシュート成功率、フリースロー成功率、獲得点数、TS％のバブルチャート
> attach(Bscore1216) #attach()でBscore1216を指定
> Y <- data.frame(T=Team, Player, P3p, FTp, TSp, PTS) #各スタッツの数値をdata.frame()でまとめてYに格納
> detach(Bscore1216) #detach()でBscore1216を指定から外す
> labs1 <- c("P3p", "FTp", "TSp", "PTS") #バブルチャートで表示させる変数のラベルをlabs1へ格納
> bubbleplot(Y, id="Player", x="P3p", y="FTp", col="TSp", size="PTS", text.col="T", labels=labs1, title="LAL vs SAS - 20231216", text.size=2.5) # bubbleplot関数を使ってバブルチャートを出力※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』の紹介記事はこちらからご確認ください。
