天才一秒记住【畅想小说网】地址：http://www.cxtra.net
第四节篮球运动员行为分析
banner"
>
这一节将使用k-平均聚类方法根据篮球运动员的行为数据对运动员进行聚类，这样的聚类结果在与球队有关的各项工作中都具有参考价值。
例如，可根据聚类结果判断球员风格，从而更好地进行上场球员的调配；引进新球员时可根据聚类结果挑选更适合球队的球员，弥补球队短板，避免球员同质化；球员还可参考聚类结果进行有针对性的训练等。
本案例所用数据是2013-2014赛季NBA控球后卫的赛场行为数据，并已经过适当地处理（去除噪声和无效数据），数据可从教材资源平台下载。
首先导入需要使用的Python库。
其中pandas提供了高效易用的数据分析工具，numpy是适用于科学计算的库，两者经常配合使用。
matplotlib是Python中常用的绘图系统，用来做数据可视化非常方便。
In[1]：importpandasaspd
In[2]：importmatplotlib.pyplotasplt
In[3]：importnumpyasnp
读入所需的数据，显示数据的前5行，可以看到数据包含33个数据项，其中包括球员姓名、在球队中所打的位置、年龄、赛季等。
具体地，pos代表球员在球场上所打的位置，g代表本赛季参赛场数，pts代表总得分，ast代表助攻次数，tov代表失误次数，ppg=ptsg代表平均得分（Pame），atr=asttov表示助攻失误比（AssistTurio）。
为了简单起见，在此案例中只使用其中的数据项ppg和atr进行聚类，感兴趣的同学可以探索使用更多的数据项进行分析。
In[4]：nba=pd.read_csv（'nba_2013sv'）
In[5]：nba.head（）
Out[5]：
playerposage...seasor
0D.J.AugustinPG26...201313.0985922.504000
1Leandr31...20137.5000001.684211
2J29...20138.3544302.424000
3JerrydBaylessPG25...20139.2500002.365854
4SteveBlakePG33...20136.8727273.009804
[5rowsx33ns]
使用matplotlib可以画出相应数据的散点图（图5-5）。
图5-5
第一步，设置聚类的个数为5，并且随机选取5个点作为初始种子，初始的种子在图中用红色标出（图5-6）。
In[6]：um=5
In[7]：random_initial=np.randoba.index，size=clus
ter_num）
Iroids=nba.lo_initial]
图5-6
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！