Dari Data ke Wawasan: Tutorial Python untuk Membuat Shot Map di Football
Artikel ini menawarkan instruksi mendetail tentang cara menggunakan pemrograman Python untuk membuat peta tembakan untuk sepak bola. Tutorial ini mendemonstrasikan cara memanfaatkan visualisasi data dasar, manipulasi data, dan teknik pemetaan Python untuk membuat peta bidikan yang dapat membantu pelatih dan analis dalam mengevaluasi dan meningkatkan kinerja tim mereka.
Mari kita pelajari dulu sedikit tentang Peta singkat tersebut
Peta tembakan dalam analitik sepakbola adalah representasi visual tempat pengambilan gambar tim selama pertandingan. Ini digunakan untuk menilai dan mengevaluasi kinerja ofensif tim dan menentukan peluang untuk pengembangan. Pemilihan tembakan tim, ketepatan menembak, dan efisiensi umum di depan gawang semuanya dapat dipelajari dari peta tembakan. Pelatih dan analis dapat memaksimalkan kemungkinan skor tim mereka dan, pada akhirnya, peluang mereka untuk memenangkan permainan dengan menggunakan peta tembakan untuk memengaruhi penilaian mereka tentang taktik dan rencana.
Pada artikel ini saya akan menunjukkan cara membuat Shots Map menggunakan Python. Beberapa langkah utama yang perlu kita lakukan adalah:
- Persiapkan data dengan memilih atribut yang akan kita gunakan.
- Ekstrak data tujuan dari kerangka data.
- Visualisasikan data menggunakan bagan atau grafik yang sesuai.
Final Liga Champions 2010-2011 antara Barcelona dan Manchester United adalah sumber dataset yang akan kami gunakan. Data diperoleh dari StatsBomb , sebuah situs web yang menyediakan data pemain dan pertandingan yang berbeda, visualisasi statistik, dan alat peramalan untuk mempelajari sepak bola.
Persiapan data
Untuk membuat lapangan sepak bola dan mengambil informasi pertandingan, kita perlu mengimpor paket yang diperlukan. Paket StatsBombPy untuk mengambil data pertandingan, paket Pandas untuk memanipulasi data, dan NumPy untuk melakukan operasi matematika. Visualisasi lapangan sepakbola akan diproduksi menggunakan kelas VerticalPitch dan Pitch dari paket mplsoccer .
import pandas as pd
import numpy as np
from statsbombpy import sb
from mplsoccer import VerticalPitch, Pitch
- Kami perlu mengambil acara dari pertandingan yang cocok dengan match_id (18236).
- Mencari acara yang memiliki tipe == 'Shot' saja.
- Menghasilkan dua kolom baru yang disebut "start_location_x" dan "start_location_y" dan mengekstrak lokasi awal bidikan (koordinat X dan Y)
- Kolom "shot_statsbomb_xg" dan "shot_outcome" masing-masing diganti namanya menjadi "xG" dan "result", di baris keempat, yang hanya mengekstrak kolom yang diperlukan dari data.
- Urutkan data berdasarkan kolom "tim".
events = sb.events (match_id = 18236)
df = events[events.type == 'Shot']
df[['start_location_x','start_location_y']] = pd.DataFrame(df.location.tolist(), index= df.index)
df = df[['period', 'minute', 'team', 'player','start_location_x','start_location_y', 'shot_outcome', 'shot_statsbomb_xg' ]]
df.rename(columns = {'shot_statsbomb_xg':'xG', 'shot_outcome':'result'}, inplace = True)
df.sort_values(by='team', inplace=True)
hteam = df['team'].iloc[0]
ateam = df['team'].iloc[-1]
print('Home Team : ' + hteam)
print('Away Team : ' + ateam)
Home Team : Barcelona
Away Team : Manchester United
- Hasilkan kerangka data baru berdasarkan nama tim kandang dan tandang.
- Buat kerangka data baru yang menyimpan hasil tujuan.
- Buat kerangka data baru yang menyimpan hasil non-tujuan.
hteam_df = df[df['team'] == hteam]
hteam_df_g = hteam_df[hteam_df["result"] == "Goal"]
hteam_df_ng = hteam_df[hteam_df["result"] != "Goal"]
ateam_df = df[df['team'] == ateam]
ateam_df_g = ateam_df[ateam_df["result"] == "Goal"]
ateam_df_ng = ateam_df[ateam_df["result"] != "Goal"]
Visualisasi data
Berdasarkan preferensi saya sendiri, saya lebih cenderung membuat peta tembakan terpisah untuk tim tuan rumah dan tim tandang. Saya menemukan bahwa menggunakan setengah pitch vertikal pada visualisasi ini sangat membantu karena terlihat lebih kompak dan lebih mudah dibaca jika kita memisahkan grafik antara tim tuan rumah dan tandang.
Untuk kode tim tuan rumah :
pitch = VerticalPitch(half=True, goal_type='box',linewidth=1,line_color='white',pad_bottom= 0.21)
fig, ax = pitch.draw(figsize=(9, 8))
# hteam goals:
hteam_sc_g = pitch.scatter(hteam_df_g["start_location_x"], hteam_df_g["start_location_y"], s = hteam_df_g["xG"]*300+100,
marker="o",c= 'red', ax=ax, alpha=0.7, edgecolors='red',linewidth = 1, label = " Goals")
# hteam non goals shots:
hteam_sc_ng = pitch.scatter(hteam_df_ng["start_location_x"], hteam_df_ng["start_location_y"],s = hteam_df_ng["xG"]*300+100,
marker="o", c= 'none', ax=ax, edgecolors='#004d98',linewidth = 1, label = " Shots")
fig.text(s=hteam + " Shots Map", x= 0.06, y= 0.96, fontsize=22,fontweight="bold")
fig.text(s='Final Champions League 2010/2011', x = 0.06, y=0.92, fontsize=15)
ax.legend(title = 'Outcome', labelspacing=1, loc="upper center",ncol=6,frameon=True,fancybox=True, shadow=True,bbox_to_anchor=(0.5, -0.01))
Home Team’s Shots Map
Bagaimana saya harus membaca grafik? Lokasi tembakan sepak bola ditampilkan di peta selama pertandingan oleh tim atau pemain individu. Di lapangan sepak bola, bagan menunjukkan di mana setiap tembakan diambil. Setiap bidikan digambarkan oleh lingkaran yang ukurannya berbanding terbalik dengan xG (nilai sasaran yang diharapkan). Warna lingkaran berfungsi sebagai indikator hasil tembakan, seperti gol (merah) dan gol yang gagal (cyan).
Kesimpulan
Pada artikel ini kita sudah mempelajari langkah demi langkah tentang cara membuat peta shot. Terima kasih telah meluangkan waktu untuk membaca tutorial ini. Kami harap Anda menganggapnya informatif dan berharga. Silakan kembali untuk tutorial selanjutnya.

![Apa itu Linked List? [Bagian 1]](https://post.nghiatu.com/assets/images/m/max/724/1*Xokk6XOjWyIGCBujkJsCzQ.jpeg)



































