コピー元ブログ
https://hide.ac/articles/-JZTuB_RS
ーーーーーーーーーーーーーーーーーー
MLBのデータがあるので、触り始めてみた。
https://github.com/jldbc/pybaseball
これから触るにあたり、概要だけ確認しておく。
pybaseball
「pybaseball」は、野球データ分析のためのPythonパッケージです。このパッケージは、Baseball Reference、Baseball Savant、FanGraphsのサイトからデータをスクレイピングし、それらのサイトを訪れる必要がありません。このパッケージは、Statcastデータ、ピッチングの成績、打撃の成績、地区順位/チームの成績、賞のデータなどを取得できます。データは、個々のピッチのレベルでも、シーズン単位でも、カスタムの時間期間でも利用できます。(github日本語訳)
!pip install pybaseball
Statcast
「Statcast」とは、Major League Baseball（MLB）のデータ分析システムです。Statcastデータには、Perceived Velocity（PV）、Spin Rate（SR）、Exit Velocity（EV）、ピッチのX、Y、Z座標などのピッチレベルの特徴が含まれています。「statcast(start_dt, end_dt)」関数は、これらのデータをbaseballsavant.comから取得します。(github日本語訳)
https://baseballsavant.mlb.com/
from pybaseball import statcast
カラムは以下。一部だけ記載
pitch_type: ピッチの種類（ファーストボール、カーブボールなど）
game_date: 試合の日付
release_speed: ピッチを投げたときのピッチの速度（mph）
release_pos_xとrelease_pos_y: ホームベースからのピッチを投げたときのx座標とy座標（フィート）
player_name: ピッチを投げたプレイヤーの名前
batter: バッターのID
events: プレーで何が起こったかを表す（ストライクアウト、シングル、ホームランなど）
description: プレーの詳細な説明
zone: ストライクゾーン内のピッチの位置（1〜9）
stand: バッターの打席スタンス（レフト、ライト、両打）
p_throws: 投手の投球手（レフト、ライト）
home_teamとaway_team: ホームチームとアウェイチーム
ballsとstrikes: 打席内のボール数とストライク数
launch_speed: バットで打たれたボールの速度（mph）
launch_angle: バットで打たれたボールの角度（度）
全部は以下
Index(['pitch_type', 'game_date', 'release_speed', 'release_pos_x', 'release_pos_z', 'player_name', 'batter', 'pitcher', 'events', 'description', 'spin_dir', 'spin_rate_deprecated', 'break_angle_deprecated', 'break_length_deprecated', 'zone', 'des', 'game_type', 'stand', 'p_throws', 'home_team', 'away_team', 'type', 'hit_location', 'bb_type', 'balls', 'strikes', 'game_year', 'pfx_x', 'pfx_z', 'plate_x', 'plate_z', 'on_3b', 'on_2b', 'on_1b', 'outs_when_up', 'inning', 'inning_topbot', 'hc_x', 'hc_y', 'tfs_deprecated', 'tfs_zulu_deprecated', 'fielder_2', 'umpire', 'sv_id', 'vx0', 'vy0', 'vz0', 'ax', 'ay', 'az', 'sz_top', 'sz_bot', 'hit_distance_sc', 'launch_speed', 'launch_angle', 'effective_speed', 'release_spin_rate', 'release_extension', 'game_pk', 'pitcher.1', 'fielder_2.1', 'fielder_3', 'fielder_4', 'fielder_5', 'fielder_6', 'fielder_7', 'fielder_8', 'fielder_9', 'release_pos_y', 'estimated_ba_using_speedangle', 'estimated_woba_using_speedangle', 'woba_value', 'woba_denom', 'babip_value', 'iso_value', 'launch_speed_angle', 'at_bat_number', 'pitch_number', 'pitch_name', 'home_score', 'away_score', 'bat_score', 'fld_score', 'post_away_score', 'post_home_score', 'post_bat_score', 'post_fld_score', 'if_fielding_alignment', 'of_fielding_alignment', 'spin_axis', 'delta_home_win_exp', 'delta_run_exp'],
dtype='object')
Pitching Stats
「pybaseball」は、投手の成績を取得するための2つの主要な関数を提供しています。
リーグ全体のシーズン単位の投手データを取得するには、「pitching_stats(start_season, end_season)」関数を使用します。これにより、1シーズンあたり1人のプレーヤーごとに1行が返され、FanGraphsで提供されるすべてのメトリックが提供されます。
2番目は、「pitching_stats_range(start_dt, end_dt)」関数です。これにより、特定の期間内の投手データを取得できます。これにより、FanGraphs関数よりもより細かい単位でデータを取得できます（例えば、5月に最も強い投手を見つけることができます）。このクエリは、Baseball Referenceからデータを取得します。すべての日付は、YYYY-MM-DDの形式であることに注意してください。
もし、Baseball Referenceの方がFanGraphsよりも好みである場合、「pitching_stats_bref(season)」という3番目の関数があります。これは、「pitching_stats」と同じように機能しますが、Baseball Referenceからデータを取得します。通常は、このオプションは推奨されません。これは、Baseball Referenceのクエリは現在、1シーズンあたり1つのリクエストでデータを取得できるためです。
(github日本語訳)
from pybaseball import pitching_stats
カラムは以下 (一部)
IDfg: プレーヤーのIDfg
Season: シーズン
Name: 名前
Team: チーム
Age: 年齢
W: 勝利数
L: 敗北数
WAR: ワー（Wins Above Replacement）同じポジションの代替可能な選手に比べて、どれだけの勝利数に貢献したか、ということを表す指標
ERA: 防御率
G: 先発数
GS: セーブ数
CG: コンプリートゲーム数
SHO: 完封勝利数
SV: ホールド数
IP: 実投球回数
H: 被安打数
R: 得点数
ER: 自責点
HR: 被本塁打数
BB: 四球数
IBB: 敬遠四球数
SO: 奪三振数
HBP: 被打者数
BK: ボーク数
WP: プレーヤー失策数
BF: 打者数
ERA+: 防御率プラス
FIP: 実力指数
WHIP: 奪塁率
H9: 被安打/9回
HR9: 被本塁打/9回
BB9: 四球/9回
SO9: 奪三振/9回
SO/W: 奪三振/四球
K-BB%: 奪三振数 - 四球数のパーセント
など
Index(['IDfg', 'Season', 'Name', 'Team', 'Age', 'W', 'L', 'WAR', 'ERA', 'G',
...
'LA', 'Barrels', 'Barrel%', 'maxEV', 'HardHit', 'HardHit%', 'Events',
'CStr%', 'CSW%', 'xERA'],
dtype='object', length=334))
Batting Stats
シーズン中または特定の期間中のプレイヤーのヒット成績。打撃成績はピッチング成績と同じように取得されます。 シーズンレベルのスタッツを取得する関数呼び出しは batting_stats（開始シーズン、終了シーズン）であり、 特定の期間のスタッツを取得するには batting_stats_range（開始日、終了日）です。 Baseball Referenceにおけるシーズンレベルのデータに相当するものは batting_stats_bref（シーズン）です。
(github日本語訳)
from pybaseball import batting_stats_range
カラムは以下
Name：プレイヤーの名前
Age：プレイヤーの年齢
#days：何日間のデータが含まれるか
Lev：プレイヤーがいるチームのレベル（メジャーリーグ、マイナーリーグなど）
Tm：プレイヤーがいるチーム
G：試合数
PA：打席数
AB：打数
R：得点
H：安打数
2B：二塁打数
3B：三塁打数
HR：本塁打数
RBI：打点
BB：四球
IBB：インテント・ウォーク 敬遠
SO：三振
HBP：死球
SH：犠打
SF：犠飛
GDP：ゴロを打ってダブルプレーになる
SB：盗塁
CS：盗塁失敗
BA：打率
OBP：出塁率
SLG：長打率
OPS：OPS（出塁率+長打率）
mlbID：MLB のプレイヤー ID
Index(['Name', 'Age', '#days', 'Lev', 'Tm', 'G', 'PA', 'AB', 'R', 'H', '2B', '3B', 'HR', 'RBI', 'BB', 'IBB', 'SO', 'HBP', 'SH', 'SF', 'GDP', 'SB', 'CS', 'BA', 'OBP', 'SLG', 'OPS', 'mlbID'],
dtype='object')
schedule_and_record
schedule_and_record 関数は、指定されたシーズンにおけるチームのゲーム単位の結果を返します。 これには、ゲームの日付、ホームチームとアウェイチーム、最終結果（勝利/敗北/引分）、スコア、勝利/敗北/セーブ投手、観客動員数、およびその日現在の地区順位が含まれます。この関数には、シーズンとチームの 2 つの引数しかありません。チームの引数は、チームの省略形（例えば NYY はニューヨーク・ヤンキース、SEA はシアトル・マリナーズ）です。もし season 引数が現在のシーズンに設定されている場合、クエリは過去のゲームの結果を返し、未発生のゲームのスケジュールを返します。
(github日本語訳)
from pybaseball import schedule_and_record
カラムは以下です。
Date：ゲーム日
Tm：試合を行ったチーム
Home_Away：ホームかアウェイか（Home または Away）
Opp：対戦相手チーム
W/L：試合の結果（勝利/敗北/引分）
R：試合で得た得点数
RA：試合で許された得点数
Inn：試合が行われたイニング数
W-L：その試合でのチームの勝率
Rank：リーグ内順位
GB：リーグ優勝候補からのゲーム差
Win：勝利投手
Loss：敗戦投手
Save：セーブ投手
Time：試合時間
D/N：昼/夜の試合か（Day または Night）
Attendance：観客動員数
cLI：ゲーム開始前の天気指数（Cold 冷たい、Mild 普通、Warm 暖かい、Hot 暑い）
Streak：連勝/連敗記録
Orig. Scheduled：予定されていた試合日
Index(['Date', 'Tm', 'Home_Away', 'Opp', 'W/L', 'R', 'RA', 'Inn', 'W-L', 'Rank', 'GB', 'Win', 'Loss', 'Save', 'Time', 'D/N', 'Attendance', 'cLI', 'Streak', 'Orig. Scheduled'],
dtype='object')
Standings
順位表：最新または履歴の順位表、勝利/敗北記録 standings（シーズン）関数は、特定のシーズンの順位表を返します。もし現在のシーズンが選択されている場合、最新の順位表が返されます。 そうでなければ、選択されたシーズンにおける各地区のエンド・オブ・シーズンの順位表が返されます。
この関数は、データフレームのリストを返します。それぞれのデータフレームは、MLB の 6 つの地区の順位表です。(github日本語訳)
from pybaseball import standings
カラムは以下です。
Tm：チーム名
W：勝利数
L：敗北数
W-L%：勝率
GB：リーグ優勝候補からのゲーム差
Index(['Tm', 'W', 'L', 'W-L%', 'GB'], dtype='object')
キャッシングとは、繰り返しデータを取得する際にデータ取得を高速化するために、 リクエストされたデータのローカルコピーを保存するためのローカルデータキャッシュのことです。 デフォルトでは、キャッシュは無効になっています。 これは、ユーザーが自分の承諾なしに ハードドライブスペースを使用したくないという可能性を尊重するためです。 ただし、キャッシュを有効にすることは簡単です。(github日本語訳)
pybaseball.cache モジュールをインクルードし、キャッシュオプションを有効にすることで、 キャッシュを有効にすることができます。以下に例を示します：
from pybaseball import cache cache.enable()