利用Python对NBA SportUV数据进行可视化及分析

SportUV是，由以色列计算机科学家Gal Oz和Miky Tamir 创立的，其实，最早这两位大牛是搞导弹跟踪和高级光学识别的……然后基于这个学识背景，他们专门创立了一套用于识别体育比赛中球员位置信息的系统。

这种系统是利用高挂在比赛场地上方的摄影机进行追踪拍摄，如下所示：原理就是三角定位+图像识别，搞GPS和计算机的，都应该对这原理很熟悉了，我这里就不罗嗦了。

github上有大量的方法，对SportUV进行可视化，我在这里也不多说了，然后github数据和Demo在下面这个位置，大家有兴趣自己去下：

给出一个官方的Demo：利用matplotlib的动画函数，绘制的动态效果图：

/linouk23/NBA-Player-Movements/raw/master/examples/spurs.gif

微信不让上传超过2M的图片，大家可以去github上看，或者去原文看。

下面基于官方给出的Demo，我做了一下一系列静态的分析：

设定指定时段的球员站位分布：

查看两队的登场队员信息：

查看指定的球员的走位，比如，下面就是开局的时候，两队当家球星科比和加内特一次攻防转换的路线，红色路线是凯文加内特的，蓝色的是科比布莱恩特的。

下面就是空间分析方法了：

从密度分析，可以看出来，加内特的全场跑动路线比科比更加集中……当然，两位都是老将了……比科比更靠近篮下的位置。好吧，其他的大家自己分析。

最后，贴出NBA另外一个球星骑士队的詹姆斯的分析结果：

如果觉得《利用Python对NBA SportUV数据进行可视化及分析》对你有帮助，请点赞、收藏，并留下你的观点哦！