こんにちは。Jackalistです。

それでは本日もスポーツデータで楽しみましょう。

前回までの振り返り

元データを自分で取得して、キックオフの蹴り込む位置を、ヒートマップで描画してみました。

今回は、他に取得したデータを確認していこうと思います。

データの確認

早速データを確認してみます。

kickoff = pd.read_excel("/content/drive/MyDrive/Colab Notebooks/row_data/大学対抗戦_キックオフエリア.xlsx")
kickoff.head()

ちなみに
"Chasing"は、キックオフ時のボールの追い方
"Catch Success"は、キックオフ時の受けて側のキャッチ成功可否
です。
自分で定義した項目を元に数字を振っています。

上記の２項目をチーム別で確認してみます。

#Chasing
pd.crosstab(kickoff["KICK OFF SIDE"],kickoff["Chasing"],margins=True)

#Catch Sucess
pd.crosstab(kickoff["RECEVING SIDE"],kickoff["Catch Success"],margins=True)

ちなみに"-"は、コロナの影響で日本体育大 v 明治大が中止になった分です。前回作ったヒートマップも併せて確認できるよう再掲します。

まとめ

それでは最後に、今までのまとめとして、気になる点をピックアップしてみます。

・キックオフ側
＞17試合で22mラインより奥に蹴り込んでいる。尚且つ、相手がキャッチした時点で、ディフェンス側の距離は1m以上空いている。
＞4試合で相手のキャッチと同タイミング競っている。

・キャッチ側
＞５試合でキャッチミスが発生して、相手にボールが渡っている。
＞その内、４試合は相手が競っている。つまり相手が競った際は必ずミスが発生している。
＞その内、4試合は下位３チームが起こしている

・その後の試合展開
キャッチミスが起きた全5試合で、ミスした側は前半7分以内に先制されている。※データには入れてませんが、動画で確認した内容です。

こんなとこでしょうか。

もう少し色々とデータを取得して、スコアとの関連性を確認したかったのですが、自分で取得するにも限界があるので、キックオフのエリア・チェイス方法とキャッチに絞ってまとめてみました。

言うまでもなく、このデータだけで試合結果を予想することはできません。得点になるなら、必ずキックオフで競って、相手のミスを誘った方が良い、と言うわけでもありません。

ただ個人的な意見ですが、下位チームが本気で上位チームを倒したいなら、もう少しキックオフから色々と工夫しても良いのにな、立ち上がりから仕掛ける気概を見せて欲しいな、と思いました。
※細かい解説は省きますが、大学ラグビーは同リーグ内でも、上位と下位でかなりの実力差があり、点数が開いて、前半の序盤で結果が分かる試合が多いです。まぁ言うは易く行うは難しですね。

いずれにせよ、今回の目的であったヒートマップの作成、キックオフのデータ取得・考察は達成できたので、このシリーズはここで終了したいと思います。

良ければモチベーション維持になるのでスキ・フォローを頂けるとめちゃくちゃ嬉しいです。

それでは本日もありがとうございました！