科比退役的第…天 想他
R语言因其在数据处理和可视化方面强大的功能和灵活性，使其成为了读研过程中非常有必要掌握的技能之一，不过原来学生物相关专业的同学最初接触命令行工具可能会略显陌生，代码敲起来有时可能会略显枯燥，所以在敲代码的同时如果可以和我们的兴趣联系到一起那简直不要太完美！
想到这里喜欢篮球的自己当然是开始搜寻用R语言来处理NBA数据的教程啦，相信成为NBA的数据分析师应该会是每一个喜欢篮球的普通人的理想职业之一吧，找啊找啊找啊找，找到了许多非常有意思的NBA数据分析教程，其中kaggle网站上栗子非常多也非常有意思，从入门级的探索性数据分析到大师级的机器学习人工智能，不管什么水平的学习者都能够找到适合自己的学习案例。比如大家如果关注NCAA大学篮球联赛的话应该记得今年NCAA的决赛是维拉诺瓦大学79-62战胜了密歇根大学夺得了锦标赛的冠军，而在疯狂三月开始前，kaggle上就贴出了基于python利用机器学习算法预测18年NCAA冠军的分析过程https://www.kaggle.com/paultimothymooney/predict-ncaa-basketball-2018/code ，他预测的最终冠军就是维拉诺瓦大学，是不是非常神奇呢？虽然有些代码还看不太懂，但是也让我们这些喜欢篮球的普通人看到了希望，认真学习R和Python，没准真的有机会成为NBA的数据分析师呢！
好了闲话少叙，接下来就简单介绍kaggle上的一个例子 Kobe Bryant shot Selection. 基于R语言的dplyr包对科比的投篮数据进行简单处理然后用ggplot2进行可视化，本质是一些散点图和柱形图，非常适合刚刚接触ggplot2的同学
赞 (0)