python预测NBA比赛

这里我们将展示如何使用 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。我们将按照下面的流程实现 NBA 比赛数据分析的任务：

1. 获取比赛统计数据
2. 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
3. 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（这里只是举个例子，大家可以预测2020赛季的，哈哈）的比赛进行预测

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、胜负次数等情况。而我们在这里将会使用 2015-2016 NBA Season Summary 中的数据。在这个 2015-2016 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
• 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，只是代表的是该球队对应的对手的统计信息
• Miscellaneous Stats：综合统计数据

获取比赛数据

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：

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

2.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)：

3.复制在界面中生成的 csv 格式数据，并粘贴至一个文本编辑器保存为 csv 文件即可：

数据分析

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，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。我们的目标是实现针对每场比赛，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统计情况（T、O 和Ｍ表）和两个队伍各自的 Elo 等级分构成。所谓Elo等级分就i是一个公式。

代码实现

首先，引入实验相关模块：

import pandas as pd

import math

import csv

import random

import numpy as np

from sklearn import linear_model

from sklearn.model_selection import cross_val_score

设置回归训练时所需用到的参数变量：

# 当每支队伍没有elo等级分时，赋予其基础elo等级分
base_elo = 1600
team_elos = {} 
team_stats = {}
X = []
y = []
# 存放数据的目录
folder = 'data' 

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：

# 根据每支队伍的Miscellaneous Opponent，Team统计数据csv文件进行初始化

def initialize_data(Mstat, Ostat, Tstat):

new_Mstat = Mstat.drop(['Rk', 'Arena'], axis=1)

new_Ostat = Ostat.drop(['Rk', 'G', 'MP'], axis=1)

new_Tstat = Tstat.drop(['Rk', 'G', 'MP'], axis=1)

team_stats1 = pd.merge(new_Mstat, new_Ostat, how='left', on='Team')

team_stats1 = pd.merge(team_stats1, new_Tstat, how='left', on='Team')

return team_stats1.set_index('Team', inplace=False, drop=True)

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：

def get_elo(team):
 try:
 return team_elos[team]
 except:
 # 当最初没有elo时，给每个队伍最初赋base_elo
 team_elos[team] = base_elo
 return team_elos[team]

定义计算每支球队的Elo等级分函数：

# 计算每个球队的elo值

def calc_elo(win_team, lose_team):

winner_rank = get_elo(win_team)

loser_rank = get_elo(lose_team)

rank_diff = winner_rank - loser_rank

exp = (rank_diff * -1) / 400

odds = 1 / (1 + math.pow(10, exp))

# 根据rank级别修改K值

if winner_rank < 2100:

k = 32

elif winner_rank >= 2100 and winner_rank < 2400:

k = 24

else:

k = 16

# 更新 rank 数值

new_winner_rank = round(winner_rank + (k * (1 - odds)))

new_loser_rank = round(loser_rank + (k * (0 - odds)))

return new_winner_rank, new_loser_rank

基于我们初始好的统计数据，及每支队伍的 Elo score 计算结果，建立对应 2015~2016 年常规赛和季后赛中每场比赛的数据集（在主客场比赛时，我们认为主场作战的队伍更加有优势一点，因此会给主场作战队伍相应加上 100 等级分）：

def build_dataSet(all_data):

print("Building data set..")

X = []

skip = 0

for index, row in all_data.iterrows():

Wteam = row['WTeam']

Lteam = row['LTeam']

#获取最初的elo或是每个队伍最初的elo值

team1_elo = get_elo(Wteam)

team2_elo = get_elo(Lteam)

# 给主场比赛的队伍加上100的elo值

if row['WLoc'] == 'H':

team1_elo += 100

else:

team2_elo += 100

# 把elo当为评价每个队伍的第一个特征值

team1_features = [team1_elo]

team2_features = [team2_elo]

# 添加我们从basketball reference.com获得的每个队伍的统计信息

for key, value in team_stats.loc[Wteam].iteritems():

team1_features.append(value)

for key, value in team_stats.loc[Lteam].iteritems():

team2_features.append(value)

# 将两支队伍的特征值随机的分配在每场比赛数据的左右两侧

# 并将对应的0/1赋给y值

if random.random() > 0.5:

X.append(team1_features + team2_features)

y.append(0)

else:

X.append(team2_features + team1_features)

y.append(1)

if skip == 0:

print('X',X)

skip = 1

# 根据这场比赛的数据更新队伍的elo值

new_winner_rank, new_loser_rank = calc_elo(Wteam, Lteam)

team_elos[Wteam] = new_winner_rank

team_elos[Lteam] = new_loser_rank

return np.nan_to_num(X), y

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：

if __name__ == '__main__':
 Mstat = pd.read_csv(folder + '/15-16Miscellaneous_Stat.csv')
 Ostat = pd.read_csv(folder + '/15-16Opponent_Per_Game_Stat.csv')
 Tstat = pd.read_csv(folder + '/15-16Team_Per_Game_Stat.csv')
 team_stats = initialize_data(Mstat, Ostat, Tstat)
 result_data = pd.read_csv(folder + '/2015-2016_result.csv')
 X, y = build_dataSet(result_data)
 # 训练网络模型
 print("Fitting on %d game samples.." % len(X))
 model = linear_model.LogisticRegression()
 model.fit(X, y)
 # 利用10折交叉验证计算训练正确率
 print("Doing cross-validation..")
 print(cross_val_score(model, X, y, cv = 10, scoring='accuracy', n_jobs=-1).mean())

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：

def predict_winner(team_1, team_2, model):
 features = []
 # team 1，客场队伍
 features.append(get_elo(team_1))
 for key, value in team_stats.loc[team_1].iteritems():
 features.append(value)
 # team 2，主场队伍
 features.append(get_elo(team_2) + 100)
 for key, value in team_stats.loc[team_2].iteritems():
 features.append(value)
 features = np.nan_to_num(features)
 return model.predict_proba([features])

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：

# 利用训练好的model在16-17年的比赛中进行预测

print('Predicting on new schedule..')

schedule1617 = pd.read_csv(folder + '/16-17Schedule.csv')

result = []

for index, row in schedule1617.iterrows():

team1 = row['Vteam']

team2 = row['Hteam']

pred = predict_winner(team1, team2, model)

prob = pred[0][0]

if prob > 0.5:

winner = team1

loser = team2

result.append([winner, loser, prob])

else:

winner = team2

loser = team1

result.append([winner, loser, 1 - prob])

with open('16-17Result.csv', 'w') as f:

writer = csv.writer(f)

writer.writerow(['win', 'lose', 'probability'])

writer.writerows(result)

print('done.')

最后，我们实验 Pandas 预览生成预测结果文件16-17Result.csv文件：

pd.read_csv('16-17Result.csv',header=0)