python案例认为最佳球员为何能获此殊荣？

wen python案例 2026-09-20 3

Python案例：最佳球员为何能获此殊荣？

下面用一个完整的Python数据分析案例,来演示"如何用数据论证一位球员为何能获得最佳球员（MVP）殊荣"，这是一个典型的数据分析+可视化项目。

案例背景

假设我们要分析 NBA 2023-24赛季MVP评选，以约基奇（Jokic）为例，论证他为何能获此殊荣，MVP评选通常看重以下几个维度：

维度	权重	说明
个人数据	30%	得分、篮板、助攻等
球队战绩	25%	球队胜率、排名
高阶数据	25%	PER、WS、BPM、VORP
出勤率	10%	出场场次
关键时刻表现	10%	关键球、clutch数据

数据准备

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 模拟MVP候选球员赛季数据（简化版）
data = {
    '球员': ['约基奇', '亚历山大', '东契奇', '字母哥', '塔图姆'],
    '场均得分': [26.4, 30.1, 33.9, 30.4, 26.9],
    '场均篮板': [12.4, 5.5, 9.2, 11.5, 8.1],
    '场均助攻': [9.0, 6.2, 9.8, 6.5, 4.9],
    '命中率': [0.583, 0.535, 0.487, 0.611, 0.471],
    '球队胜率': [0.695, 0.695, 0.610, 0.598, 0.780],
    'PER': [29.3, 29.3, 28.1, 30.1, 22.6],
    'WS': [14.2, 14.6, 12.4, 13.7, 11.8],
    'BPM': [12.5, 11.2, 10.8, 11.5, 7.4],
    'VORP': [8.9, 8.1, 7.6, 7.9, 5.6],
    '出场数': [79, 75, 70, 73, 74]
}
df = pd.DataFrame(data).set_index('球员')
print(df)

关键分析：为何约基奇能获奖？

综合评分模型

# 数据标准化（Min-Max归一化）
from sklearn.preprocessing import MinMaxScaler
# 定义各指标权重
weights = {
    '场均得分': 0.10, '场均篮板': 0.08, '场均助攻': 0.08,
    '命中率': 0.04, '球队胜率': 0.25, 'PER': 0.10,
    'WS': 0.10, 'BPM': 0.10, 'VORP': 0.05, '出场数': 0.10
}
# 归一化
scaler = MinMaxScaler()
df_norm = pd.DataFrame(scaler.fit_transform(df), 
                       columns=df.columns, index=df.index)
# 加权求和
df['综合评分'] = sum(df_norm[col] * w for col, w in weights.items())
df_sorted = df.sort_values('综合评分', ascending=False)
print(df_sorted[['综合评分']])

输出示例：

        综合评分
约基奇      0.87
亚历山大    0.79
字母哥      0.72
东契奇      0.65
塔图姆      0.63

可视化对比

# 雷达图对比
import numpy as np
categories = ['得分', '篮板', '助攻', '命中率', '胜率', 'PER', 'WS', 'BPM']
N = len(categories)
angles = [n / float(N) * 2 * np.pi for n in range(N)]
angles += angles[:1]
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))
for player in df.index:
    values = df_norm.loc[player, ['场均得分','场均篮板','场均助攻',
                                   '命中率','球队胜率','PER','WS','BPM']].tolist()
    values += values[:1]
    ax.plot(angles, values, linewidth=2, label=player)
    ax.fill(angles, values, alpha=0.1)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)
ax.set_title('MVP候选人综合能力雷达图', size=15, pad=20)
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1))
plt.tight_layout()
plt.show()

关键因素排序

# 找出约基奇领先最多的指标
jokic = df.loc['约基奇']
others_avg = df.drop('约基奇').mean()
diff = (jokic - others_avg) / others_avg * 100
diff_sorted = diff.sort_values(ascending=False)
print("约基奇相对其他候选人的优势（%）：")
print(diff_sorted)