关注「实验楼」，每天分享一个项目教程   

NBA总决赛正在火热上演，而有数据的地方就有预测，本教程就教你使用Python预测NBA比赛的结果。

正文共：3240 字 

预计阅读时间：8 分钟‍

不知道你是否朋友圈被刷屏过nba的某场比赛进度或者结果？或者你就是一个nba狂热粉，比赛中的每个进球，抢断或是逆转压哨球都能让你热血沸腾。除去观赏精彩的比赛过程，我们也同样好奇比赛的结果会是如何。因此本节课程，将给同学们展示如何使用nba比赛的以往统计数据，判断每个球队的战斗力，及预测某场比赛中的结果。

我们将基于2015-2016年的NBA常规赛及季后赛的比赛统计数据，预测在当下正在进行的2016-2017常规赛每场赛事的结果。

nba球队的Elo score计算

特征向量

逻辑回归

python2.7

Xfce终端

本次课程我们将按照下面的流程实现NBA比赛数据分析的任务：

获取比赛统计数据

比赛数据分析，得到代表每场比赛每支队伍状态的特征表达

利用**机器学习**方法学习每场比赛与胜利队伍的关系，并对2016-2017的比赛进行预测

本次实验的源码可通过以下命令获得：

在本次实验中，我们将采用Basketball Reference.com中的统计数据。在这个网站中，你可以看到不同球员、队伍、赛季和联盟比赛的基本统计数据，如得分，犯规次数等情况，胜负次数等情况。而我们在这里将会使用2015-16 NBA Season Summary中数据。

在这个2015-16总结的所有表格中，我们将使用的是以下三个数据表格：

Team Per Game Stats：每支队伍平均每场比赛的表现统计

| 数据名 | 含义 || ------------------------------------ | -------------- || Rk -- Rank | 排名 || G -- Games | 参与的比赛场数（都为82场） || MP -- Minutes Played | 平均每场比赛进行的时间 || FG--Field Goals | 投球命中次数 || FGA--Field Goal Attempts | 投射次数 || FG%--Field Goal Percentage | 投球命中次数 || 3P--3-Point Field Goals | 三分球命中次数 || 3PA--3-Point Field Goal Attempts | 三分球投射次数 || 3P%--3-Point Field Goal Percentage | 三分球命中率 || 2P--2-Point Field Goals | 二分球命中次数 || 2PA--2-point Field Goal Attempts | 二分球投射次数 || 2P%--2-Point Field Goal Percentage | 二分球命中率 || FT--Free Throws | 罚球命中次数 || FTA--Free Throw Attempts | 罚球投射次数 || FT%--Free Throw Percentage | 罚球命中率 || ORB--Offensive Rebounds | 进攻篮板球 || DRB--Defensive Rebounds | 防守篮板球 || TRB--Total Rebounds | 篮板球总数 || AST--Assists | 助攻 || STL--Steals | 抢断 || BLK -- Blocks | 封盖 || TOV -- Turnovers | 失误 || PF -- Personal Fouls | 个犯 || PTS -- Points | 得分 |

Opponent Per Game Stats：所遇到的对手平均每场比赛的统计信息，所包含的统计数据与Team Per Game Stats中的一致，只是代表的该球队对应的对手的

Miscellaneous Stats：综合统计数据

毕达哥拉斯定律：

我们将用这三个表格来评估球队过去的战斗力，另外还需2015-16 NBA Schedule and Results中的2015~2016年的nba常规赛及季后赛的每场比赛的比赛数据，用以评估Elo score（在之后的实验小节中解释）。在Basketball Reference.com中按照从常规赛至季后赛的时间。列出了2015年10月份至2016年6月份的每场比赛的比赛情况。

可在上图中，看到2015年10月份的部分比赛数据。在每个*Schedule*表格中所包含的数据为：

在预测时，我们同样也需要在2016-17 NBA Schedule and Results中2016~2017年的NBA的常规赛比赛安排数据。

我们将以获取Team Per Game Stats表格数据为例，展示如何获取这三项统计数据。

进入到用Basketball Reference.com中，在导航栏中选择Season并选择2015~2016赛季中的Summary：

进入到2015~2016年的Summary界面后，滑动窗口找到Team Per Game Stats表格，并选择左上方的Share & more，在其下拉菜单中选择Get table as CSV (for Excel)：

复制在界面中生的的csv格式数据，并复制粘贴至一个文本编辑器保存为csv文件即可：

为了方便同学们进行实验，我们已经将数据全部都保存成*csv*文件上传至实验楼的云环境中。在后续的代码实现小节里，我们将给出获取这些文件的地址。

在获取到数据之后，我们将利用每支队伍过去的比赛情况和Elo 等级分来判断每支比赛队伍的可胜概率。在评价到每支队伍过去的比赛情况时，我们将使用到Team Per Game Stats，Opponent Per Game Stats和Miscellaneous Stats（之后简称为T、O和M表）这三个表格的数据，作为代表比赛中某支队伍的比赛特征。我们最终将实现针对每场比赛，预测比赛中哪支队伍最终将会获胜，但并不是给出绝对的胜败情况，而是预判胜利的队伍有多大的获胜概率。因此我们将建立一个代表比赛的特征向量。由两支队伍的以往比赛情况统计情况（T、O和Ｍ表），和两个队伍各自的Elo等级分构成。

关于Elo score等级分，不知道同学们是否看过《社交网络》这部电影，在这部电影中，Mark（主人公原型就是扎克伯格，FaceBook创始人）在电影起初开发的一个美女排名系统就是利用其好友Eduardo在窗户上写下的排名公式，对不同的女生进行等级制度对比，最后PK出胜利的一方。

这条对比公式就是Elo Score等级分制度。Elo的最初为了提供国际象棋中，更好地对不同的选手进行等级划分。在现在很多的竞技运动或者游戏中都会采取Elo等级分制度对选手或玩家进行等级划分，如足球、篮球、棒球比赛或LOL，DOTA等游戏。

在这里我们将基于国际象棋比赛，大致地介绍下Elo等级划分制度。在上图中Eduardo在窗户上写下的公式就是根据Logistic Distribution计算PK双方（A和B）对各自的胜率期望值计算公式。假设A和B的当前等级分为$$R_A$$何$$R_B$$，则A对B的胜率期望值为：

B对A的胜率期望值为

如果棋手A在比赛中的真实得分$$S_A$$（胜1分，和0.5分，负0分）和他的胜率期望值$$E_A$$不同，则他的等级分要根据以下公式进行调整：

在国际象棋中，根据等级分的不同K值也会做相应的调整：

$$\ge2400$$，K=16

2100~2400分，K=24

$$\le2100$$，K=32

因此我们将会用以表示某场比赛数据的特征向量为（加入A与B队比赛）：[A队Elo score, A队的T,O和M表统计数据，B队Elo score, B队的T,O和M表统计数据]

在本次实验环境中，我们将会使用到python的pandas，numpy，scipy和sklearn库，不过实验楼中已经安装了numpy，所以在实验前，我们需要先利用pip命令安装另外三个Python库。

在安装完所需的实验库之后，进入到实验环境的Code目录下，创建cs_782文件夹，并且通过以下地址获取我们为大家处理好的csv文件压缩包data.zip：

在data文件夹中，包含了2015~2016年的NBA数据T,O和M表，及经处理后的常规赛和挑战赛的比赛数据2015~16result.csv，这个数据文件是我们通过在basketball-reference.com的2015-16 Schedule and result的几个月份比赛数据中提取得到的，其中包括三个字段：

WTeam: 比赛胜利队伍

LTeam: 失败队伍

WLoc: 胜利队伍一方所在的为主场或是客场

另外一个文件就是16-17Schedule.csv，也是经过我们加工处理得到的NBA在2016~2017年的常规赛的比赛安排，其中包括两个字段：

Vteam: 访问/客场作战队伍

Hteam: 主场作战队伍

在Code\cs_782目录下，创建prediction.py开始实验。首先插入实验相关模块：

设置回归训练时所需用到的参数变量：

在最开始需要初始化数据，从T、O和M表格中读入数据，去除一些无关数据并将这三个表格通过Team属性列进行连接：

获取每支队伍的Elo Score等级分函数，当在开始没有等级分时，将其赋予初始base_elo值：

定义计算每支球队的Elo等级分函数：

最终在main函数中调用这些数据处理函数，使用sklearn的Logistic Regression方法建立回归模型：

最终利用训练好的模型在16~17年的常规赛数据中进行预测。利用模型对一场新的比赛进行胜负判断，并返回其胜利的概率：

在main函数中调用该函数，并将预测结果输出到16-17Result.csv文件中：

运行prediction.py：

生成预测结果文件16-17Result.csv文件：

在本节课程中，我们利用Basketball-reference.com的部分统计数据，计算每支nba比赛队伍的Elo socre，和利用这些基本统计数据评价每支队伍过去的比赛情况，并且根据国际等级划分方法Elo Score对队伍现在的战斗等级进行评分，最终结合这些不同队伍的特征判断在一场比赛中，哪支队伍能够占到优势。但在我们的预测结果中，与以往不同，我们没有给出绝对的正负之分，而是给出胜算较大一方的队伍能够赢另外一方的概率。当然在这里，我们所采用评价一支队伍性能的数据量还太少（只采用了15~16年一年的数据），如果想要更加准确、系统的判断，有兴趣的你当然可以从各种统计数据网站中获取到更多年份，更加全面的数据。结合不同的回归、决策机器学习模型，搭建一个更加全面，预测准确率更高的模型。在kaggle中有相关的篮球预测比赛项目，有兴趣的同学可尝试一下。

知乎：在哪能看到最全面细致的NBA数据统计

How I won my NCAA tournament bracket pool using machine learning

本次课程中，我们只是利用了scikit-learn提供的Logisitc Regression方法进行回归模型的训练，你可否尝试scikit-learn中的其他机器学习方法，或者其他类似于TensorFlow的开源框架，结合我们所提供的数据集进行训练。若采用Scikit-learn中的方法，可参看实验楼的课程：ebay在线拍卖数据分析。或是结合下图进行模型的尝试：

在这里我们将对之前在文档中解释得比较模糊的部分做一点补充，之后有疑问的欢迎同学们在课程讨论区提出讨论。

Q1： 在生成训练集时，“将特征值随机分配在每场比赛数据的左右侧”是什么意思？为什么要做如下的随机分配：

Q2: 为什么按照X: [winTeam, loseTeam]对应标签Y: 0，X: [loseTeam, winTeam]对应标签Y: 1，这样的取法在后边进行预测[team1, team2]的比赛结果时，是否应该按照$$prob0.5$$时team2胜出，胜出概率为$$prob$$？

学习更多

楼+「 PHP7实战 」、「 Linux运维与Devops实战 」优惠报名中——来自腾讯、Intel、IBM等互联网大厂的一线大牛，带你从零入门成为PHP、Linux大咖！

点击下面的链接了解详情：

11周打通 Linux 任督二脉，实验楼技术天团带你飞！

他在一线互联网大厂研发PHP数年，用6周时间带你打通“全宇宙最好的语言