スタッツを可視化することでマイケルジョーダンがどれくらいすごいのかを分かりやすく解説してみた

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import seaborn as sns

# データを読み込む
df = pd.read_csv("data/87-88_p.csv")

#  42試合以上出場した選手データのみを抽出する
df_42 = df[df["G"] >= 42]

#  データの中身を表示
df_42

#  226番の選手「Mike McGee」のPosをSFに変更
df_42.at[226,"Pos"] = "SF"
#  306番目の選手「Ralph Sampson」のPosをPFに変更
df_42.at[306,"Pos"] = "PF"

#  df_42の中からPos(ポジション)がPGとSGの選手のみ抽出してdf_Gと名付ける
df_G = df_42[df_42["Pos"].isin(["PG", "SG"])]

#  グラフを見やすくするための事前準備
plt.rcParams['font.family'] = 'Liberation Sans'  # グラフの文字フォントを設定
plt.rcParams['font.size'] = 14  # 文字サイズを設定
plt.rcParams['font.weight'] = 'bold'  # 文字の太さを設定
plt.figure(figsize=(10,6))  # グラフの大きさを設定

#  散布図を作成(x軸が平均得点数, y軸が平均ブロック数, 色はsalmonとmediumaquamarine, 透過度は0.7, データ点のサイズは500)
sns.scatterplot(data=df_G, 
                x="PTS", y="BLK", hue="Pos" ,palette=['salmon', 'mediumaquamarine'], alpha = 0.7, s = 500)

plt.xticks(np.arange(0, 41, 5))  # x軸の目盛りを0～40を5刻みにする
plt.yticks(np.arange(0, 2.2, 0.2))  # y軸の目盛りを0～2.2を0.2刻みにする

#  グラフを表示
plt.show()

#  df_42の中からPosがPf, Cの選手のみを抽出してdf_bigと名付ける
df_big = df_42[df_42["Pos"].isin(["PF", "C"])]

#  df_bigとジョーダンのデータをくっつける。
df_big_MJ = pd.concat([df_big, df_42[df_42["Player"] == "Michael Jordan"]], axis = 0)

#  ジョーダンのポジションをMJにする（ジョーダンのデータは188番目にある）
df_big_MJ.at[188,"Pos"] = "MJ"

#  図のサイズを設定し、軸を透過させる
plt.figure(figsize=(10,6), facecolor='None')

#  散布図を作成（さっきとほぼ同じ、色を赤青緑に指定）
sns.scatterplot(data=df_big_MJ, 
                x="PTS", y="BLK", hue="Pos" ,palette=['red', 'blue', "green"], alpha = 0.7, s = 500)

#  df_big_MJのブロック数の平均値をmean_xと名付ける
mean_x = df_big_MJ["BLK"].mean()

#  散布図上にブロック数の平均値を横線で表す（色は黒、点線、太さ3、AVERAGEというラベルをつける）
plt.axhline(mean_x, color='black', ls = ":", lw = 3, label = "AVERAGE")

#  ラベルを表示
plt.legend()

#  図を表示
plt.show()

#  df_big_MJのブロック数の平均値を表示
df_big_MJ["BLK"].mean()

# 標準化しないデータを抽出
df_stn = df_42[["Rk", "Player", "Pos", "Age", "Tm", "G", "GS", "MP"]]
#標準化するデータを抽出
df_st = df_42.drop(["Rk", "Player", "Pos", "Age", "Tm", "G", "GS", "MP", "Player-additional"], axis=1)

#  scikit-learnからStandardScalerをインポート
from sklearn.preprocessing import StandardScaler

#  標準化を実施（df_stｗを標準化してdf_scaledという名前にする）
scaler = StandardScaler()
df_scaled = scaler.fit_transform(df_st)

#  偏差値を求める
df_T = df_scaled*10 + 50

df_stn = df_stn.reset_index()
df_hensati = pd.concat([df_stn, df_T], axis = 1)

df_hensati

#  df_hensatiからPlayerがMichael Jordanのデータだけを抽出
Jordan = df_hensati[df_hensati["Player"] == "Michael Jordan"]
#  JordanのPTS, FG%, BLK, STLを表示
Jordan[["PTS","FG%","BLK","STL"]]

# PTSの平均値を計算する
mean_pts = df_42['PTS'].mean()

# カテゴリーを定義する
pos_cat = pd.cut(pd.to_numeric(df_42['Pos'].replace({'PG': 1, 'SG': 1, 'SF': 0,'PF': 0,'C': 0})), bins=[-float('inf'), 0, float('inf')], labels=['Non-G', 'G'])
pts_cat = pd.cut(df_42['PTS'], bins=[-float('inf'), mean_pts, float('inf')], labels=['Below Mean', 'Above Mean'])

# クロス集計表を作成する
ct = pd.crosstab(pos_cat, pts_cat)

# 結果を表示する
print(ct)