در این مطلب، ویدئو مقدمه ای بر تجزیه و تحلیل فوتبال با داده های ردیابی در پایتون. با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:36:01
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:02,070 –> 00:00:05,120
[موسیقی]
2
00:00:06,030 –> 00:00:08,980
سلام و خوش آمدید به دوستانی که
3
00:00:08,980 –> 00:00:12,639
ردیابی می کنند نام من لوری شور است و
4
00:00:12,639 –> 00:00:14,650
من یک محقق در دانشگاه هاروارد
5
00:00:14,650 –> 00:00:17,350
هستم که در آنجا نیز عضو آزمایشگاه تجزیه و تحلیل ورزشی هستم.
6
00:00:17,350 –> 00:00:21,940
7
00:00:21,940 –> 00:00:23,410
8
00:00:23,410 –> 00:00:27,100
در مورد اینکه چگونه میتوانید کار با
9
00:00:27,100 –> 00:00:31,930
دادههای ردیابی و رویدادها را در فوتبال شروع کنید، اکنون
10
00:00:31,930 –> 00:00:34,960
در این درس
11
00:00:34,960 –> 00:00:38,199
، ابتدا نگاهی به مجموعه دادههای جدید بیندازیم، این
12
00:00:38,199 –> 00:00:40,870
مجموعه دادهای است که با مهربانی
13
00:00:40,870 –> 00:00:44,649
توسط متریک ورزش ارائه میشود و نه
14
00:00:44,649 –> 00:00:46,539
تنها شامل دادههای رویدادی که در
15
00:00:46,539 –> 00:00:49,420
درسهای قبلی با دیوید دیدهایم، اما
16
00:00:49,420 –> 00:00:53,109
همچنین دادههای ردیابی اکنون فقط برای
17
00:00:53,109 –> 00:00:55,629
یادآوری وجود دو
18
00:00:55,629 –> 00:00:57,420
نوع مختلف داده در
19
00:00:57,420 –> 00:01:02,620
دادههای رویداد فوتبال، گزارشی از هر کدام در
20
00:01:02,620 –> 00:01:06,310
رویداد توپ است، به طوری که شامل پاسها
21
00:01:06,310 –> 00:01:09,399
و تکلها میشود. شوتها زمانی که
22
00:01:09,399 –> 00:01:11,649
در مسابقه رخ میدهند، جایی که در زمین رخ میدهند،
23
00:01:11,649 –> 00:01:13,990
بنابراین مکان شروع و پایان
24
00:01:13,990 –> 00:01:18,399
یا پاس یا محل شوت،
25
00:01:18,399 –> 00:01:21,460
محل ضربهگیری
26
00:01:21,460 –> 00:01:23,049
و همچنین بازیکنانی که درگیر هستند
27
00:01:23,049 –> 00:01:26,020
و غیره این امر منجر به حدود
28
00:01:26,020 –> 00:01:29,469
چند هزار رویداد در هر مسابقه میشود، اما
29
00:01:29,469 –> 00:01:32,530
فقط فعالیتهای توپ را ثبت میکند، بنابراین ما
30
00:01:32,530 –> 00:01:34,270
هیچ چیزی در مورد مکان
31
00:01:34,270 –> 00:01:36,430
یا مکان سایر بازیکنان در زمانی که
32
00:01:36,430 –> 00:01:38,219
با دادههای ردیابی توپ در تعامل نبودهاند، نمیدانیم.
33
00:01:38,219 –> 00:01:40,869
34
00:01:40,869 –> 00:01:43,149
یک اندازه گیری تقریباً پیوسته از
35
00:01:43,149 –> 00:01:45,759
موقعیت هر 22 بازیکن در زمین
36
00:01:45,759 –> 00:01:49,600
و همچنین توپ نمونه برداری شده با فرکانس 25 هرتز،
37
00:01:49,600 –> 00:01:51,880
به این معنی که ما اساساً 25
38
00:01:51,880 –> 00:01:54,189
مشاهده در ثانیه از
39
00:01:54,189 –> 00:01:57,549
موقعیت های آنها دریافت می کنیم، اما آنچه اکنون به دست می آوریم
40
00:01:57,549 –> 00:01:58,840
نوعی تصویر بسیار کامل تر است. اکنون
41
00:01:58,840 –> 00:02:01,420
42
00:02:01,420 –> 00:02:03,070
43
00:02:03,070 –> 00:02:04,200
می دانیم که بازیکنان به
44
00:02:04,200 –> 00:02:07,329
طور مداوم در طول مسابقه کجا بودند و
45
00:02:07,329 –> 00:02:09,520
به جای انجام حرکات روی توپ، می دانیم که در آن بازی چندین
46
00:02:09,520 –> 00:02:11,620
میلیون مشاهده در هر مسابقه ایجاد می
47
00:02:11,620 –> 00:02:13,120
شود، یعنی حدود هزار برابر بیشتر از
48
00:02:13,120 –> 00:02:17,049
داده های رویداد و بنابراین همانطور که گفتم ورزش میچ کر
49
00:02:17,049 –> 00:02:19,810
با مهربانی نمونه ای از داده ها را
50
00:02:19,810 –> 00:02:23,590
برای ما در دسترس عموم قرار داده است که می توانیم
51
00:02:23,590 –> 00:02:26,110
با شما به اشتراک بگذاریم و بنابراین در چند
52
00:02:26,110 –> 00:02:30,250
درس بعدی نگاهی به برخی از آنها خواهیم داشت.
53
00:02:30,250 –> 00:02:31,720
از کارهایی که میتوانیم با این دادهها
54
00:02:31,720 –> 00:02:34,329
در ترکیب با دادههای رویدادی که
55
00:02:34,329 –> 00:02:36,970
او نیز ارائه میکند انجام دهیم و چون
56
00:02:36,970 –> 00:02:39,970
میخواهیم این دوره را تا
57
00:02:39,970 –> 00:02:40,810
حد امکان عملی کنیم،
58
00:02:40,810 –> 00:02:43,930
میتوانید دادهها را خودتان در
59
00:02:43,930 –> 00:02:47,829
این لینک اینجا دانلود کنید. هدف
60
00:02:47,829 –> 00:02:51,760
امروز این است که شما را با
61
00:02:51,760 –> 00:02:55,019
این مجموعه داده های جدید آشنا کنیم و به ویژه
62
00:02:55,019 –> 00:02:58,950
شما را با کار با
63
00:02:58,950 –> 00:03:01,690
داده های ردیابی آشنا کنیم و می دانید که چگونه می توانیم داده های
64
00:03:01,690 –> 00:03:04,150
ردیابی و رویداد را ترکیب کنیم
65
00:03:04,150 –> 00:03:06,700
تا تصویر بسیار کامل تری از
66
00:03:06,700 –> 00:03:09,940
آنچه در حال انجام است به دست آوریم. در هر لحظه از
67
00:03:09,940 –> 00:03:12,370
مسابقه، بنابراین دادههای این درس را
68
00:03:12,370 –> 00:03:15,519
میتوانید در این لینک
69
00:03:15,519 –> 00:03:18,609
70
00:03:18,609 –> 00:03:21,579
پیدا
71
00:03:21,579 –> 00:03:24,160
72
00:03:24,160 –> 00:03:29,470
73
00:03:29,470 –> 00:03:31,209
کنید. در این لینک قرار دهید و فقط
74
00:03:31,209 –> 00:03:34,569
نگاهی به دانلود داده بیندازید، بنابراین در
75
00:03:34,569 –> 00:03:36,790
اینجا مخزن حاوی
76
00:03:36,790 –> 00:03:38,379
داده است که می توانید ببینید که
77
00:03:38,379 –> 00:03:40,359
اساساً دو فهرست وجود دارد که یکی
78
00:03:40,359 –> 00:03:43,090
حاوی اسنادی در مورد داده است. یکی
79
00:03:43,090 –> 00:03:45,849
دیگر شامل دو پوشه است که هر
80
00:03:45,849 –> 00:03:49,150
کدام شامل یک بازی نمونه است و می توانید
81
00:03:49,150 –> 00:03:52,269
روی این دکمه سبز رنگ کلیک کنید و
82
00:03:52,269 –> 00:03:57,160
داده ها را با انتخاب این
83
00:03:57,160 –> 00:04:00,910
گزینه در اینجا دانلود کنید.
84
00:04:00,910 –> 00:04:04,000
85
00:04:04,000 –> 00:04:05,459
دادهها در واقع
86
00:04:05,459 –> 00:04:08,799
خوب به نظر میرسند، بنابراین من دادهها را دانلود کرده و آنها را از
87
00:04:08,799 –> 00:04:11,650
حالت فشرده خارج کردهام و چیزی که پیدا کردیم این است
88
00:04:11,650 –> 00:04:15,340
که دو بازی برای نمونه وجود دارد و
89
00:04:15,340 –> 00:04:17,699
در این مرحله باید بگویم که دادهها
90
00:04:17,699 –> 00:04:21,010
ناشناس هستند، بنابراین نام تیم یا تیمی را نخواهید دید.
91
00:04:21,010 –> 00:04:23,289
بازیکنانی که شما آنها را می شناسید،
92
00:04:23,289 –> 00:04:25,090
پس بیایید نگاهی گذرا
93
00:04:25,090 –> 00:04:27,910
بیندازیم که داده ها در واقع چگونه به نظر می رسند،
94
00:04:27,910 –> 00:04:31,120
بیایید به نمونه بازی شماره یک نگاه کنیم تا ببینیم
95
00:04:31,120 –> 00:04:35,080
که سه فایل وجود دارد،
96
00:04:35,080 –> 00:04:40,120
یک فایل با فرمت CSV یا برای
97
00:04:40,120 –> 00:04:42,460
داده های رویدادها و سپس دو فایل وجود دارد. برای
98
00:04:42,460 –> 00:04:44,380
دادههای ردیابی که برای تیم
99
00:04:44,380 –> 00:04:45,639
100
00:04:45,639 –> 00:04:49,900
مهمان و یکی برای تیم میزبان میخواهم، پس بیایید عنکبوت را روشن کنیم،
101
00:04:49,900 –> 00:04:51,580
میخواهم تمام آنالیز پایتون را در عنکبوت انجام دهم،
102
00:04:51,580 –> 00:04:53,979
مانند دیوید در
103
00:04:53,979 –> 00:04:57,100
دو درس آخر و بیایید به آن نگاه کنیم.
104
00:04:57,100 –> 00:04:59,169
خواندن در این داده ها ببینید چه کاری میتوانیم
105
00:04:59,169 –> 00:05:03,300
با آن انجام دهیم، بنابراین در اینجا به spider بازگشتهایم،
106
00:05:03,300 –> 00:05:05,800
بنابراین دوباره سه پنجره در
107
00:05:05,800 –> 00:05:07,389
سمت چپ وجود دارد، ما تعدادی از کدها را
108
00:05:07,389 –> 00:05:09,400
داریم که امروز مرور میکنیم، میتوانیم
109
00:05:09,400 –> 00:05:11,530
آن کد را در کنسول ipython
110
00:05:11,530 –> 00:05:13,750
در اینجا اجرا کنیم و سپس در اینجا
111
00:05:13,750 –> 00:05:16,330
متغیر Explorer را داریم و می بینیم که داده ها و
112
00:05:16,330 –> 00:05:18,430
متغیرها همانطور که آنها را می خوانیم ظاهر
113
00:05:18,430 –> 00:05:20,940
114
00:05:20,940 –> 00:05:22,750
115
00:05:22,750 –> 00:05:25,780
116
00:05:25,780 –> 00:05:27,550
می شوند. فقط یک اسکریپت پایتون که به
117
00:05:27,550 –> 00:05:30,280
نوعی
118
00:05:30,280 –> 00:05:31,870
مراحل را طی می کند، مرحله به مرحله و
119
00:05:31,870 –> 00:05:33,550
چیزهایی که امروز قرار است به آنها نگاه کنیم، می گذرد و سپس
120
00:05:33,550 –> 00:05:35,500
دو ماژول وجود دارد که من نوشته ام
121
00:05:35,500 –> 00:05:38,500
یکی به نام متریک اوه اوه اوه و این است
122
00:05:38,500 –> 00:05:42,070
که IO روی خروجی ورودی می ایستد و
123
00:05:42,070 –> 00:05:44,830
این اختصاص داده شده است که برخی از
124
00:05:44,830 –> 00:05:47,110
توابع اختصاصی را برای خواندن در ردیابی
125
00:05:47,110 –> 00:05:50,020
داده های رویداد و به نوعی انجام برخی
126
00:05:50,020 –> 00:05:51,880
دستکاری های ساده برای تبدیل آن به
127
00:05:51,880 –> 00:05:54,310
قالبی که برای شروع
128
00:05:54,310 –> 00:05:58,810
تجزیه و تحلیل نیاز داریم و سپس فایل دوم که
129
00:05:58,810 –> 00:06:01,060
متریک نامیده می شود ارائه می دهد. از جو است برخی از
130
00:06:01,060 –> 00:06:04,320
توابع را برای کمک به ترسیم دادهها ارائه میکند،
131
00:06:04,320 –> 00:06:06,460
بنابراین میتوانید در بالای
132
00:06:06,460 –> 00:06:10,090
اولین مورد، زیر نمودار را ببینید که
133
00:06:10,090 –> 00:06:12,430
مشابه روالهای ترسیمی است که دیوید
134
00:06:12,430 –> 00:06:15,330
دفعه قبل به شما نشان داد، بنابراین اولین کاری که
135
00:06:15,330 –> 00:06:19,570
باید انجام دهیم این است که فقط تنظیم کنیم. یک مسیر
136
00:06:19,570 –> 00:06:22,360
به دایرکتوری که دادهها در آن
137
00:06:22,360 –> 00:06:24,789
ذخیره شده است را بالا میبریم که میخواهیم آن را بارگذاری کنیم، بنابراین
138
00:06:24,789 –> 00:06:28,660
من رشتهای به نام داده تنظیم میکنم
139
00:06:28,660 –> 00:06:30,820
که به پایتون میگوید کجا باید دادهها را پیدا
140
00:06:30,820 –> 00:06:32,349
کند که ما به
141
00:06:32,349 –> 00:06:37,570
دادههای متریک نمونه نگاه میکنیم. و بنابراین یک شناسه بازی تنظیم می کنم
142
00:06:37,570 –> 00:06:38,560
زیرا
143
00:06:38,560 –> 00:06:40,389
– این فقط می گوید که ما به
144
00:06:40,389 –> 00:06:44,700
این شماره مسابقه تابستانی نگاه می کنیم –
145
00:06:46,350 –> 00:06:49,240
بسیار خوب پس اولین کاری که می خواهم انجام دهم این
146
00:06:49,240 –> 00:06:52,570
است که داده های رویدادها را بخوانم و بنابراین می
147
00:06:52,570 –> 00:06:54,639
توانید اینجا ببینید که من یک نوع
148
00:06:54,639 –> 00:06:57,490
تابع کوچک برای خواندن در
149
00:06:57,490 –> 00:07:00,520
دادههای رویداد نوشتهام به نام دادههای رویداد خواندن، این تابع
150
00:07:00,520 –> 00:07:04,660
در ماژول محور متریک IO ذخیره میشود،
151
00:07:04,660 –> 00:07:08,740
بنابراین بیایید برویم و به آن نگاهی بیندازیم، بنابراین
152
00:07:08,740 –> 00:07:13,030
در اینجا دادههای رویداد خوانده میشود و اساساً
153
00:07:13,030 –> 00:07:14,590
کاری که انجام میدهد این است. که ابتدا به
154
00:07:14,590 –> 00:07:17,350
نوعی نام فایلی را که
155
00:07:17,350 –> 00:07:21,250
می خواهیم w تنظیم کنیم پس بیایید
156
00:07:21,250 –> 00:07:24,190
روی آن خط کد کلیک کرده و اجرا کنیم،
157
00:07:24,190 –> 00:07:27,040
بنابراین اگر به آنچه می گوید نگاه کنیم،
158
00:07:27,040 –> 00:07:29,650
فقط نام فایل
159
00:07:29,650 –> 00:07:31,270
تاریخ رویدادی را که می خواهیم در آن بخوانیم به شما می دهد و
160
00:07:31,270 –> 00:07:36,760
سپس ابتدا به ما باید
161
00:07:36,760 –> 00:07:38,530
پانداها را وارد کنیم زیرا می خواهیم در
162
00:07:38,530 –> 00:07:40,930
این داده ها به عنوان قاب داده پاندا
163
00:07:40,930 –> 00:07:47,919
بخوانیم و اکنون اجازه دهید این داده ها را
164
00:07:47,919 –> 00:07:52,510
در چارچوب داده
165
00:07:52,510 –> 00:07:54,820
166
00:07:54,820 –> 00:07:57,880
167
00:07:57,880 –> 00:07:59,860
بخوانیم. در اینجا، اجازه دهید نگاهی سریع
168
00:07:59,860 –> 00:08:05,320
به آن بیندازیم تا ببینیم چه شکلی است، بنابراین
169
00:08:05,320 –> 00:08:06,790
رنگهای پسزمینه را حذف کنید که
170
00:08:06,790 –> 00:08:10,810
به آنها نیازی نداریم و بنابراین همانطور که در TextEdit دیدیم،
171
00:08:10,810 –> 00:08:12,970
آنچه میبینید این است که مجموعهای از ردیفها وجود دارد که
172
00:08:12,970 –> 00:08:15,910
هر ردیف جداگانه است. رویدادی که
173
00:08:15,910 –> 00:08:17,740
اکنون ایندکس را داریم که به ما امکان
174
00:08:17,740 –> 00:08:20,040
میدهد اساساً
175
00:08:20,040 –> 00:08:24,730
برای هر یک از آن ردیفها نوعی شناسه یا برچسب به ما میدهد و
176
00:08:24,730 –> 00:08:26,550
سپس یک ستون برای تیم در اختیار داریم
177
00:08:26,550 –> 00:08:30,130
که نوع رویداد آن زیرنوع نیمه
178
00:08:30,130 –> 00:08:33,120
در آن زمان در اینجا است. در ثانیه است و
179
00:08:33,120 –> 00:08:37,809
سپس در اینجا ما نوعی
180
00:08:37,809 –> 00:08:40,090
مکان شروع و پایان o را داریم به
181
00:08:40,090 –> 00:08:44,800
عنوان مثال، رویداد شماره یک نمایه رویداد شماره
182
00:08:44,800 –> 00:08:47,860
یک یک پاس است و بنابراین ما محل شروع
183
00:08:47,860 –> 00:08:51,670
و پایان را داریم، بنابراین چه نوع
184
00:08:51,670 –> 00:08:54,640
اطلاعاتی در آنها در فایل رویداد
185
00:08:54,640 –> 00:08:58,240
وجود دارد، بنابراین آنچه که می توانیم انجام دهیم این است که بتوانیم
186
00:08:58,240 –> 00:09:01,300
به قسمت نوع نگاه کنیم. کدام نوع به شما می گوید
187
00:09:01,300 –> 00:09:03,490
که چه نوع رویدادی است و به
188
00:09:03,490 –> 00:09:05,470
نوعی به رویدادهای مختلفی که
189
00:09:05,470 –> 00:09:09,010
در این مسابقه رخ داده اند نگاه می کند، بنابراین در اینجا مقدار
190
00:09:09,010 –> 00:09:10,630
شمارش می شود به نوعی به شما نشان می دهد که
191
00:09:10,630 –> 00:09:15,400
تعداد هر نوع رویداد در فایل رویداد وجود دارد.
192
00:09:15,400 –> 00:09:17,530
بنابراین می توانید آنجا را ببینید که
193
00:09:17,530 –> 00:09:18,490
برای مثال نهصد
194
00:09:18,490 –> 00:09:21,090
و شصت و چهار پاس سیصد و یازده
195
00:09:21,090 –> 00:09:24,160
چالش و بیست و چهار شوت وجود داشت که برخی از
196
00:09:24,160 –> 00:09:29,770
آنها گل بودند، بنابراین اکنون یک
197
00:09:29,770 –> 00:09:31,000
چیزی که ممکن است هنگام
198
00:09:31,000 –> 00:09:35,140
بررسی داده های رویداد متوجه شده باشید این است
199
00:09:35,140 –> 00:09:39,610
که موقعیت های هر رویداد
200
00:09:39,610 –> 00:09:41,860
بسیار کوچک به نظر می رسند یا اساساً همه اعدادی
201
00:09:41,860 –> 00:09:45,070
بین صفر و یک هستند، مگر اینکه یکی از آنها
202
00:09:45,070 –> 00:09:47,350
در خارج از میدان اتفاق بیفتد و
203
00:09:47,350 –> 00:09:49,390
دلیل این امر به دلیل
204
00:09:49,390 –> 00:09:50,620
سیستم مختصات a– متریک است که
205
00:09:50,620 –> 00:09:52,300
اساساً آنها را تعریف می کنند.
206
00:09:52,300 –> 00:09:54,310
طول فیلد را به صورت یک واحد
207
00:09:54,310 –> 00:09:55,900
و عرض میدان را به عنوان یک
208
00:09:55,900 –> 00:09:57,760
واحد مرتب کنید و مبدأ در
209
00:09:57,760 –> 00:10:00,670
گوشه پایین سمت چپ پایین است و اکنون
210
00:10:00,670 –> 00:10:03,100
چون کار کردن در آن آسانتر است یا حداقل برای من
211
00:10:03,100 –> 00:10:06,370
آسانتر است. یک
212
00:10:06,370 –> 00:10:08,650
سیستم مختصات که
213
00:10:08,650 –> 00:10:10,720
فاصلهها به نوعی
214
00:10:10,720 –> 00:10:13,050
واحدهای قابل تشخیص تری مانند متر یا یارد هستند،
215
00:10:13,050 –> 00:10:15,400
به طوری که بعداً میتوانیم
216
00:10:15,400 –> 00:10:17,380
مقادیری مانند سرعت بازیکن
217
00:10:17,380 –> 00:10:20,470
بر حسب متر در ثانیه یا فاصله
218
00:10:20,470 –> 00:10:25,089
یک شوت از دروازه را بر حسب متر محاسبه کنیم.
219
00:10:25,089 –> 00:10:26,470
کارهایی که ممکن است بخواهیم انجام دهیم این است
220
00:10:26,470 –> 00:10:30,040
که سیستم مختصات را به
221
00:10:30,040 –> 00:10:31,990
چیزی تغییر دهیم که کار کردن با آن آسانتر
222
00:10:31,990 –> 00:10:34,240
باشد و بنابراین کاری که من میخواهم انجام دهم این
223
00:10:34,240 –> 00:10:35,650
است که به یک سیستم مختصات جدید
224
00:10:35,650 –> 00:10:37,630
که در آن طول میدان اکنون بر
225
00:10:37,630 –> 00:10:40,200
حسب متر 106 متر است تغییر دهید. عرض
226
00:10:40,200 –> 00:10:43,540
میدان 68 متر است و مبدأ را
227
00:10:43,540 –> 00:10:45,760
در مرکز میدان قرار می دهند، بنابراین به
228
00:10:45,760 –> 00:10:47,980
گوشه سمت راست بالا این نوع
229
00:10:47,980 –> 00:10:51,339
x برابر 53 متر y برابر با 34 متر
230
00:10:51,339 –> 00:10:54,330
و سایر گوشه ها به ترتیب
231
00:10:54,330 –> 00:10:59,920
و به همین ترتیب به دست می آید.
232
00:10:59,920 –> 00:11:01,120
مختصاتی که یک تابع کوچک نوشته اند
233
00:11:01,120 –> 00:11:03,850
که این کار را خیلی سریع انجام می
234
00:11:03,850 –> 00:11:06,610
دهد، اینجا برای انجام مختصات متریک فراخوانی می شود
235
00:11:06,610 –> 00:11:09,640
و بنابراین اساساً کاری
236
00:11:09,640 –> 00:11:11,440
که انجام می دهد می توانید آن را در برخی از داده ها ارسال کنید و
237
00:11:11,440 –> 00:11:13,720
این داده می تواند یا فایل رویداد
238
00:11:13,720 –> 00:11:16,690
یا داده های ردیابی باشد. هنگامی که ما
239
00:11:16,690 –> 00:11:19,180
میآییم آن را به داخل بخوانیم و فقط
240
00:11:19,180 –> 00:11:21,760
تمام موقعیتها را تبدیل میکند به طوری که
241
00:11:21,760 –> 00:11:24,520
اکنون همه آنها بر حسب متر هستند و به گونهای
242
00:11:24,520 –> 00:11:26,800
که مبدأ یا مرکز
243
00:11:26,800 –> 00:11:31,959
فیلد موقعیت صفر باشد و بنابراین
244
00:11:31,959 –> 00:11:33,400
این روش این کار را انجام میدهد. آیا این فقط به نوعی
245
00:11:33,400 –> 00:11:36,910
از چارچوب داده می گذرد و
246
00:11:36,910 –> 00:11:38,740
هر چیزی را پیدا می کند که شبیه یک موقعیت باشد، بنابراین
247
00:11:38,740 –> 00:11:41,320
در این مورد هر سرفصل ستونی است
248
00:11:41,320 –> 00:11:44,110
که به X یا Y ختم می شود و سپس
249
00:11:44,110 –> 00:11:45,640
آن نوع
250
00:11:45,640 –> 00:11:48,610
تبدیل موقعیت را انجام می دهد، بنابراین اجازه دهید این خط را اجرا کنیم.
251
00:11:48,610 –> 00:11:51,970
کد و سپس تغییر سیستم مختصات را تغییر دهید در
252
00:11:51,970 –> 00:11:55,150
واقع ابتدا
253
00:11:55,150 –> 00:12:00,310
باید این دو ماژول را وارد کنیم، پس
254
00:12:00,310 –> 00:12:06,430
بیایید آن را اجرا کنیم و سپس این را اجرا کنیم، بنابراین
255
00:12:06,430 –> 00:12:08,140
اگر به داده های رویداد نگاه کنیم، می
256
00:12:08,140 –> 00:12:10,029
بینیم که موقعیت ها اکنون تغییر کرده اند.
257
00:12:10,029 –> 00:12:11,380
کلاه آنها هستند شما می دانید که همه آنها
258
00:12:11,380 –> 00:12:14,279
اساساً برحسب متر هستند،
259
00:12:14,569 –> 00:12:19,769
بنابراین بیایید به رویدادهای
260
00:12:19,769 –> 00:12:23,100
تیم میزبان تیم مهمان به طور جداگانه نگاه کنیم، بنابراین
261
00:12:23,100 –> 00:12:25,379
در اینجا دو خط کد داریم که در آن
262
00:12:25,379 –> 00:12:27,029
می بینید کاری که ما انجام می دهیم
263
00:12:27,029 –> 00:12:29,100
اساساً انتخاب آنهاست. رویدادهایی که
264
00:12:29,100 –> 00:12:30,389
در آن تیم میزبان توپ را در اختیار داشت
265
00:12:30,389 –> 00:12:31,829
و رویدادهایی که در آن
266
00:12:31,829 –> 00:12:34,559
تیم
267
00:12:34,559 –> 00:12:36,149
میهمان مالکیت توپ را انتخاب می کند و شما این نوع
268
00:12:36,149 –> 00:12:38,759
روش های برش دادن و برش دادن
269
00:12:38,759 –> 00:12:41,639
فریم های داده را در درس های قبلی مشاهده کرده اید.
270
00:12:41,639 –> 00:12:44,189
دیوید، بنابراین اگر آن
271
00:12:44,189 –> 00:12:49,740
دو خط را اجرا کنید، اکنون چارچوب دادهای برای
272
00:12:49,740 –> 00:12:52,860
رویدادهای خانگی داریم، اگر به آن نگاه کنیم، اکنون
273
00:12:52,860 –> 00:12:54,540
اینها همه رویدادهایی هستند که در آن
274
00:12:54,540 –> 00:12:57,449
تیم میزبان در اختیار داشت و سپس
275
00:12:57,449 –> 00:12:59,279
مربوط به تیم میهمان است
276
00:12:59,279 –> 00:13:02,779
و بنابراین
277
00:13:02,779 –> 00:13:05,579
بیایید انواع رویدادهایی را که هر تیم
278
00:13:05,579 –> 00:13:10,889
داشته است بررسی کنیم، به عنوان مثال، این به شما نشان می دهد
279
00:13:10,889 –> 00:13:14,430
که تیم میزبان 543 پاس
280
00:13:14,430 –> 00:13:20,309
و 13 شوت داشته است در حالی که تیم میهمان اگر
281
00:13:20,309 –> 00:13:24,749
این داده ها را در 421 پاس
282
00:13:24,749 –> 00:13:29,879
و 11 شوت خلاصه کنید، اشکالی ندارد. پس بیایید l و اکنون
283
00:13:29,879 –> 00:13:32,129
کمی داده را عمیقتر در
284
00:13:32,129 –> 00:13:36,720
دادههای شات بررسی میکنیم و بنابراین
285
00:13:36,720 –> 00:13:42,420
میتوانیم عکسهای هر دو تیم را انتخاب کنیم، شما میدانید که
286
00:13:42,420 –> 00:13:46,319
به دنبال همه رویدادها از نوع
287
00:13:46,319 –> 00:13:49,319
تیراندازی هستید، بنابراین به
288
00:13:49,319 –> 00:13:52,259
دادههای عکسها در متغیر نگاه کنید.
289
00:13:52,259 –> 00:13:54,240
کاوشگر متغیر و البته میتوانید ببینید که
290
00:13:54,240 –> 00:13:58,189
اینها همه شوتهای هماکنون برای هر یک از تیمها هستند
291
00:13:58,189 –> 00:14:03,569
و اجازه دهید فقط فریمهای داده جداگانه
292
00:14:03,569 –> 00:14:07,589
برای شوتهای تیم میزبان و
293
00:14:07,589 –> 00:14:16,410
شوتهای تیم میهمان ایجاد کنیم، اکنون در
294
00:14:16,410 –> 00:14:18,480
دادههای درون عکس میتوانید ببینید که این مرتبسازی است.
295
00:14:18,480 –> 00:14:19,740
از نوع شوت است اما
296
00:14:19,740 –> 00:14:22,620
انواع مختلفی از نوع فرعی وجود دارد، بنابراین این
297
00:14:22,620 –> 00:14:23,759
اطلاعات کمی در مورد شوت به شما می دهد
298
00:14:23,759 –> 00:14:25,529
، بنابراین در این مورد ضربه مسدود شد، ضربه
299
00:14:25,529 –> 00:14:27,520
دوم
300
00:14:27,520 –> 00:14:31,150
روی هدف بود و یک گل بود، بنابراین اجازه دهید
301
00:14:31,150 –> 00:14:33,880
اکنون به برخی از شما میدانید که
302
00:14:33,880 –> 00:14:35,410
این انواع مختلف فرعی با چه تعداد دفعات
303
00:14:35,410 –> 00:14:39,160
در دادهها ظاهر میشوند، میتوانیم از
304
00:14:39,160 –> 00:14:43,150
روش حسابهای ارزش استفاده کنیم، بنابراین میتوانید
305
00:14:43,150 –> 00:14:46,240
بهعنوان مثال ضربههای خانگی من را ببینید، آنها چهار
306
00:14:46,240 –> 00:14:48,430
هدر داشتند که خارج از هدف بودند، چهار ضربه از بازی خارج شدند.
307
00:14:48,430 –> 00:14:51,430
در شد هدف گیری
308
00:14:51,430 –> 00:14:52,840
آنها مهار شدند و احتمالا مهمتر از
309
00:14:52,840 –> 00:14:55,450
همه دو شوت که به
310
00:14:55,450 –> 00:14:58,750
سمت دروازه بود و یک گل ایجاد کرد و یک
311
00:14:58,750 –> 00:15:00,250
ضربه سر که در چارچوب بود و یک
312
00:15:00,250 –> 00:15:03,520
گل ایجاد کرد، در حالی که برای تیم مهمان ما می توانستیم
313
00:15:03,520 –> 00:15:05,200
همین کار را انجام دهیم و می بینیم که
314
00:15:05,200 –> 00:15:08,880
آنها دو گل به ثمر رساندند. در این بازی،
315
00:15:08,880 –> 00:15:11,760
هم با پا، یک
316
00:15:11,760 –> 00:15:16,210
زیرمجموعه جداگانه برای هدرها وجود دارد و هم میتوانیم
317
00:15:16,210 –> 00:15:18,880
ببینیم که کدام بازیکنان شوتهای خود را با هم صحبت کردهاند، بنابراین
318
00:15:18,880 –> 00:15:21,460
در اینجا به جای نگاه کردن به
319
00:15:21,460 –> 00:15:23,320
زیرمجموعه، میتوانیم به قسمت Fromme نگاه کنیم،
320
00:15:23,320 –> 00:15:25,660
بنابراین این بازیکن اساساً
321
00:15:25,660 –> 00:15:29,110
بازیکن است. که این عمل را آموزش داد که
322
00:15:29,110 –> 00:15:30,550
دو میدان این خواهد بود که بازیکن
323
00:15:30,550 –> 00:15:31,960
در صورت پاس توپ را دریافت کند،
324
00:15:31,960 –> 00:15:33,820
بنابراین میتوانید شوتهای خانگی را ببینید
325
00:15:33,820 –> 00:15:36,280
نه بازیکن چهار شوت برتر بازیکن ده گرفته است که با
326
00:15:36,280 –> 00:15:39,370
سه بازیکن پنج صحبت میشود
327
00:15:39,370 –> 00:15:41,760
و بقیه در مورد صحبت میکنند.
328
00:15:41,760 –> 00:15:44,350
در نهایت ممکن است بخواهیم
329
00:15:44,350 –> 00:15:48,670
خود اهداف را انتخاب کنیم، بنابراین این همان کاری است که
330
00:15:48,670 –> 00:15:51,010
این دو خط کد انجام میدهند، بنابراین کاری
331
00:15:51,010 –> 00:15:53,290
که انجام میدهد اساساً انتخاب
332
00:15:53,290 –> 00:15:58,660
نوع فرعی است اگر رشته شامل – هدف باشد، بنابراین
333
00:15:58,660 –> 00:16:00,780
اجازه دهید l et فقط این قطعه کد را اجرا
334
00:16:00,780 –> 00:16:03,760
می کنیم تا بتوانیم اهداف خانه را بررسی کنیم و شما
335
00:16:03,760 –> 00:16:07,840
همچنین می توانید اهداف خانه را چاپ کنید، بنابراین
336
00:16:07,840 –> 00:16:09,040
منظور من یکی از کارهای دیگری که
337
00:16:09,040 –> 00:16:10,840
کورسون می خواهد انجام دهد این است که نگاهی
338
00:16:10,840 –> 00:16:15,040
به ایجاد برخی تجسم ها بیندازیم. این
339
00:16:15,040 –> 00:16:17,110
شوتها و گلها را ببینید و ببینید کجا
340
00:16:17,110 –> 00:16:21,910
در زمین رخ دادهاند، بنابراین در اینجا کاری که
341
00:16:21,910 –> 00:16:24,730
من میخواهم انجام دهم این است که فقط شروع به نگاه
342
00:16:24,730 –> 00:16:27,550
کردن به ماژول تجسمسازی کنم که در کنار هم قرار دادهام،
343
00:16:27,550 –> 00:16:29,350
بدیهی است که اولین کاری
344
00:16:29,350 –> 00:16:30,970
که میخواهید انجام دهید این است که به سادگی یک زمین را ترسیم کنید.
345
00:16:30,970 –> 00:16:34,870
اگر به بیز متریک نگاه
346
00:16:34,870 –> 00:16:37,290
کنید، در اینجا تابعی به نام نمودار pitch وجود دارد، آن را انجام می
347
00:16:37,290 –> 00:16:40,390
دهد، بسیار شبیه همان چیزی است
348
00:16:40,390 –> 00:16:41,290
که با دیوید دیدید،
349
00:16:41,290 –> 00:16:44,950
از matplotlib استفاده می کند که
350
00:16:44,950 –> 00:16:47,890
یکی از رایج ترین
351
00:16:47,890 –> 00:16:52,350
ماژول های ابزار گرافیکی و رسم در پایتون است و
352
00:16:52,350 –> 00:16:54,730
صرفاً اسکیمینگ است. از طریق آن یک پنجره شکل ایجاد می کند که
353
00:16:54,730 –> 00:16:56,950
می توانید برخی از
354
00:16:56,950 –> 00:16:59,470
رنگ ها را تنظیم کنید و سپس در اینجا
355
00:16:59,470 –> 00:17:01,690
مجموع ابعاد فیلد را
356
00:17:01,690 –> 00:17:03,790
دارید که می توانید آن را به عنوان یک پارامتر نیز ارسال کنید،
357
00:17:03,790 –> 00:17:07,839
بنابراین بیایید آن را اجرا کنیم و
358
00:17:07,839 –> 00:17:13,690
یک pitch در آنجا ایجاد کنیم. آیا آن یک گرم خوب است
359
00:17:13,690 –> 00:17:16,180
با خطوط سفید و
360
00:17:16,180 –> 00:17:19,000
کمی حاشیه و به طوری که کار بعدی که
361
00:17:19,000 –> 00:17:21,490
ممکن است بخواهیم انجام دهیم این است که به سادگی
362
00:17:21,490 –> 00:17:24,160
برخی از عکس ها را در این زمین ترسیم کنیم تا
363
00:17:24,160 –> 00:17:25,510
بتوانید ببینید که ما این نوع
364
00:17:25,510 –> 00:17:27,459
شکل و دسته محور را پشت سر گذاشته ایم. و این به
365
00:17:27,459 –> 00:17:29,860
ما اجازه میدهد که اساساً
366
00:17:29,860 –> 00:17:33,670
دادههای دیگر را بر روی آن شکل مرتب کنیم، بنابراین
367
00:17:33,670 –> 00:17:36,820
بیایید به اهداف خانه نگاه کنیم که میتوانیم
368
00:17:36,820 –> 00:17:40,120
در اینجا ببینیم که اولین هدف خانه
369
00:17:40,120 –> 00:17:44,650
در شاخص 198 و چارچوب داده رخ میدهد، بنابراین
370
00:17:44,650 –> 00:17:47,880
میتوانیم اساساً موقعیتهای شروع را رسم کنیم.
371
00:17:47,880 –> 00:17:50,740
برای آن رویدادی که اساساً
372
00:17:50,740 –> 00:17:53,680
همان جایی است که عکس گرفته شده است، بنابراین
373
00:17:53,680 –> 00:17:56,920
اگر بدوید که می توانید ببینید که
374
00:17:56,920 –> 00:17:59,740
طرح درست در
375
00:17:59,740 –> 00:18:02,980
لبه جعبه شش یاردی رخ داده است، اکنون
376
00:18:02,980 –> 00:18:04,480
چیز خوب در مورد سال ملاقات با
377
00:18:04,480 –> 00:18:06,190
دادهها در اینجا این است که نه تنها
378
00:18:06,190 –> 00:18:07,720
موقعیت شروع یک فروشگاه در موقعیت پایانی
379
00:18:07,720 –> 00:18:09,160
را به شما میدهد، عکسها اساساً همان جایی هستند
380
00:18:09,160 –> 00:18:12,460
که فروشگاه رفته است و ما میتوانیم آن را
381
00:18:12,460 –> 00:18:15,900
به جای یک نقطه به عنوان یک فلش
382
00:18:15,900 –> 00:18:19,060
ترسیم کنیم و بنابراین نقشه نقشه
383
00:18:19,060 –> 00:18:21,940
برای آن کار میکند. که حاشیه نویسی این
384
00:18:21,940 –> 00:18:27,550
است خط کد در اینجا و آنچه اکنون می توانید
385
00:18:27,550 –> 00:18:29,290
ببینید این است که ما یک فلش داریم که می توانید ببینید
386
00:18:29,290 –> 00:18:32,050
که عکس از پست نزدیک
387
00:18:32,050 –> 00:18:36,880
میدان وارد شده است، شاید
388
00:18:36,880 –> 00:18:38,920
بخواهیم اطلاعات بیشتری از آن ترسیم کنیم
389
00:18:38,920 –> 00:18:42,040
اگر به داده های رویداد نگاه کنیم می توانیم
390
00:18:42,040 –> 00:18:43,540
ببینیم در آستانه رسیدن به این هدف چه اتفاقی افتاده است،
391
00:18:43,540 –> 00:18:46,920
بنابراین بیایید فقط به رویدادها نگاه
392
00:18:46,920 –> 00:18:49,990
کنیم، اکنون می دانیم که هدف رخ داده است شاخص
393
00:18:49,990 –> 00:18:51,490
یک نه هشت، بنابراین بیایید به پایین بروید و
394
00:18:51,490 –> 00:18:54,780