12月18日（現地時間17日）、アリゾナ州フェニックスのフットプリント・センターで行われたワシントン・ウィザーズ対フェニックス・サンズの試合は、サンズが108対112でウィザーズに勝利した。
※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＜ウィザーズ対サンズ 2023-12-18＞
試合は第1クォーターからウィザーズ優勢で展開した。
ウィザーズはカイル・クーズマ、ダニエル・ギャフォード、タイアス・ジョーンズらを中心に得点を重ね、第2クォーター終盤にはリードを最大16点差まで広げる。
サンズは終始苦しい展開となっていたが、第４クォーターに入るとケビン・デュラント、デビン・ブッカーらを中心にウィザーズを追い上げる。
第4クォーター残り7分、デビン・ブッカーがステップバックからの3Pシュートを決めスコアを95対96とし、サンズが逆転に成功する。
第4クォーター残り40秒には、ウィザーズが106対107と点差を1点差まで縮めるが、サンズがそのまま振り切り試合終了。
最終スコア108対112でサンズが勝利し、見事な逆転劇をみせた。
下記は各チームのプレイヤーの本試合における8スタッツに関するレーダーチャートである。（※NBA公式ウェブサイトのボックススコアをもとに作成。出場時間1MIN以下の選手の表記は省略している。）
※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。
ウィザーズは、カイル・クーズマが17得点（3Pシュート成功数3本）、2ブロック、ダニエル・ギャフォードが26得点、17リバウンド、2ブロック、タイアス・ジョーンズが22得点（3Pシュート成功数4本）、11アシスト、6スティールを記録している。
※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、サンズは、ケビン・デュラントが28得点、5アシスト、ユスフ・ヌルキッチが17リバウンド、5アシスト、グレイソン・アレンが2スティール、2ブロック、デビン・ブッカーが27得点（3Pシュート成功数3本）、8アシスト、ジョーダン・グッドウィンが8リバウンド、6アシストを記録している。
本試合でサンズはターンオーバー数17回、ターンオーバーからの失点19点とミスからの失点が目立ったが（※対するウィザーズはターンオーバー数10回、ターンオーバーからの失点9点）、同時にベンチメンバーが奮闘を見せた試合でもあった。
下記は、横軸に獲得点数（PTS）、縦軸にプラスマイナス（PM）の数値をとり、バブルの大きさに出場時間（MIN）、バブルの色にeFG%の水準を対応させたバブルチャートである。（※出場時間1MIN以下の選手の表記は省略している。）
※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を確認すると、サンズのベンチメンバーであるジョーダン・グッドウィン、エリック・ゴードン、ドリュー・ユーバンクスがプラスマイナスでプラスのエリアに位置し、これら3プレイヤーのプラスマイナスのトータルは＋39を記録している。（※なお、もう1名のベンチメンバーであるチメジー・メトゥのプラスマイナスはゼロ）
一方、ウィザーズのベンチメンバーであるビラル・クリバリー、コーリー・キスパート、ダニーロ・ガリナーリ、マイク・マスカーラはプラスマイナスでマイナスのエリアに位置し、これら4プレイヤーのプラスマイナスのトータルは－41と対照的な数値をみせている。
また、eFG%に注目すると、エリック・ゴードンは66.7%、ドリュー・ユーバンクスは71.4%、チメジー・メトゥは100％と高い水準に達していることから、出場時間が比較的少ない中、これらプレイヤーがチームの勝利に大きく貢献したと言える。
※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
> Bscore1218 <- read.csv(file="20231218_WASPHX.csv") #該当試合のデータを集計したデータの読み込み
> Bscore1218 <- subset(Bscore1218, Bscore1218$MIN>1) #Bscore1218から出場時間1MIN超のデータを抽出
> attach(Bscore1218) #attach()でBscore1218を指定
> X <- data.frame(PTS,P3M, FTM, REB, AST, STL, BLK, TO) #各スタッツの数値をdata.frame()でまとめてXに格納
> detach(Bscore1218) #detach()でBscore1218を指定から外す
> radialprofile(data=X, title=Bscore1218$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=Bscore1218$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[1:9], ncol=5) # grid.arrange()で一方のチームのプレイヤーを出力
> grid.arrange(grobs=listplots[10:18], ncol=5) # grid.arrange()でもう一方のチームのプレイヤーを出力獲得点数、プラスマイナス、出場時間、eFG%のバブルチャート
> attach(Bscore1218) #attach()でBscore1218を指定
> X <- data.frame(T=Team, Player, PM, EFGp, PTS, MIN) #各スタッツの数値をdata.frame()でまとめてXに格納
> detach(Bscore1218) #detach()でBscore1218を指定から外す
> labs1 <- c("PTS", "PM", "EFGp", "MIN") #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(X, id="Player", x="PTS", y="PM", col="EFGp", size="MIN", text.col="T", labels=labs1, title="WAS vs PHX - 20231218", text.size=3.0) # 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。
