NBA 举办编程马拉松 - 数据分析时代的到来

本文主要是介绍NBA 举办编程马拉松 - 数据分析时代的到来，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

2019独角兽企业重金招聘Python工程师标准>>>

据 TechCrunch 报道：NBA 最近在纽约曼哈顿举办了一项邀请活动：编程马拉松（Hackathon）。他们打算建立一种新的视角来看待比赛数据。

美国人很钟情于运动，棒球是其中之一。MLB（职棒大联盟）是使用统计分析和预测的先行者：打击、防守、投球、失误等。与此同时，NBA 近年来一直致力于提高评论员、教练和球员的统计分析能力--这次首届编程马拉松就是最新的尝试。

此次活动邀请的参赛人员包括本科生、研究生和博士生，200个程序员被分为三个等级，面对不同的挑战。

比赛规则很简单：每个团队对 NBA 提供的数据进行统计分析，数据本身不允许篡改，否则将被取消资格。时间从上午9点开始，到下午5:15结束，历时8小时15分钟。

这并不是件容易的任务：原始数据超过 5GB，包括投篮数据、回合数据、精确至1/25秒的球员追踪数据等。

最终，由哥伦比亚大学研究生 Alex Wainger、Zac Robertson、纽约大学本科生 Ella Kuzmenko 和佩斯大学本科生 William Robbins 组成的团队赢得了比赛冠军。

他们夺冠项目名为“关于英雄球”。

在分析数据库时，他们放弃了一些已有的可行建议，比如创建一个防御的效率公式或者分析如何能让投篮更准，而是选择将运动员在常规赛和季后赛中的运动趋势做一个对比。他们假设在常规赛中，运动员的打球方式更以团队为中心，而在季后赛中，他们更倾向于人们所谓的“英雄球”式的打法。最终他们用 python 处理了 5g 的数据库，抽丝剥茧取出了有用数据，建立一个 d3 的应用（d3.js，一个 JavaScript 库）挂载在 github 的网页上。一个坐标轴上显示常规赛的统计信息，另一个坐标轴上显示季后赛的统计信息，还有一个45度的直线表示在两种情况下的相同行为方式，可以选择一个数据并以交互的方式在图标上看团队的数据移动。数据表明最终在季后赛的队伍，相比常规赛，运动趋势数据中多了 15% 的运球，10% 站立，少了 4% 的传球和 4% 的持球得分。也就是说，球员在季后赛往往会更自私地打球。