데이콘 - KBO 외국인 투수 스카우팅 최적화 경진대회 [연습]_02

만들었던 csv 불러오기

외국인역대성적 = pd.read_csv('kbo_yearly_foreigners_2011_2018_추가분.csv',encoding='utf-8-sig',engine='python',sep=',')
외국인역대성적.head()

• 지난번에 승_패를 저장했던 파일을 다시 불러온다.

• 그러면 이렇게 정상적으로 불러와진다. 현재 승,패가 같이 붙어있으니 따로 나눠서 승,패로 새로운 컬럼으로 넣어주자.

외국인역대성적['승'] = 외국인역대성적['2011년_승_패'].apply(lambda x:str(x).split(' ')[0])
외국인역대성적['패'] = 외국인역대성적['2011년_승_패'].apply(lambda x:str(x).split(' ')[1])

외국인역대성적.drop('2011년_승_패',axis=1,inplace=True)

• 공백으로 나눠서 0번째는 승, 1번째가 패이다. 그 다음에 원래있던 2011_승_패 컬럼을 제거했다.

• 그러면 승률과 경기수를 추가하자.

def winratio(x):
    return round(int(x['승']) / (int(x['승'])+int(x['패'])),3)

외국인역대성적['승률'] = 외국인역대성적.apply(lambda x:winratio(x),axis=1)
외국인역대성적['경기수'] =  외국인역대성적.apply(lambda x:int(x['승']) + int(x['패']),axis=1)

• 이렇게 하면 승률과 관련된 정보들이 모였다.

승률과 경기수로 상위 10명, 하위 10명 알아보기

def headtail10(df,text):
    display(df.sort_values(text,ascending=False).head(10))
    print('*'*20,'head','*'*20)
    display(df.sort_values(text,ascending=False).tail(10))

headtail10(외국인역대성적,['경기수','승률'])

• 경기수가 많다는건 팀에서 핵심 투수라는 건데 경기수가 낮은 투수들이 있었다. 경기수도 많으면서 승률이 높은 투수들의 특징이 무엇인지 분석하면 될 것 같다.

headtail10(외국인역대성적,['승률','경기수'])

• 상위권은 위랑 비슷하지만 하위권이 다르다. 경기수는 많지만 승률이 낮은 투수들이 있었다. 이것도 비교하면 좋겠다.

headtail10(외국인역대성적,['경기수'])

• 경기수가 적은 선수들이 과연 왜그럴까 생각해봤더니 방출가능성이 있었다. 그레서 방출된 선수들의 명단을 찾아서 정보를 날리기로 하였다. 방출된 선수들의 정보도 따로 보려고 한다.

방출 선수 찾기

• 외국인선수목록
• 여기서 그냥 찾아서 엑셀에 기록하였다.

방출선수들 세부기록 보기

throw_df = pd.read_csv('plus_win_lose_2.csv')
throw_df.head()

• 위에서 입력한 파일을 열었다.

throw_df_01 =  throw_df[throw_df['방출연도'].isnull() == False].reset_index(drop=True)
throw_df_01['방출연도'] = throw_df_01['방출연도'].astype(int)

• 방출연도라는 새로운 컬럼을 위에서 만들었고 그 값이 null이 아닌 것들만 추려서 인덱스와 타입을 바꾸었다.

throw_df_01.describe()

• 패한 경기수가 더 많다.

• era도 6.x대라 낮다고 볼 수 없다. 그러면 게임수로 나눠보자.

기록 용어 설명

용어이름	영문 풀이	한국용어	설명
ERA	Earned Run Average	평균자책점(방어율)	(9 × 자책점) ÷ 투구이닝
숫자가 낮을수록 좋으며 상대팀에게 얼마나 점수를 덜 주었는지 나타내는 지표
TBF	Total Batters Faced	타자수	투수가 경기 중에 상대한 모든 타자의 수
H	Hits	피안타	2루타, 3루타, 홈런을 포함 (각각 1개로 계산)
HR	Home Runs	홈런
BB	Bases on Balls, Walks	볼넷
HBP	Hit By Pitch	사구	몸에 맞는 볼
SO	Strike Outs	삼진

throw_df_01[throw_df_01['경기수'] >= 10].describe()

• 10경기 이상 뛴 선수로 나눈 것은 어느정도 괜찮은 성적을 내고있다고 생각해서 그만큼 경기를 뛰었다고 생각했기때문이다.
• 기대만큼 다들 못해줘서 방출이라는 결과가 나온것 같다. 세부기록들은 다른 방출 안 된 선수들과 비교해보자.

throw_df_01[throw_df_01['경기수'] < 10].describe()

• 승률도 낮고 평균자책점도 높다.

throw_df[throw_df['pitcher_name'] == '마야']

• 이렇게 2년간 뛰다가 방출된 선수들도 있어서 비고해보기로 하였다. 확실히 2015년에 기록이 안좋아졌다.

playername = list(throw_df[throw_df['방출연도'].isnull() == False]['pitcher_name'])

• 그동안의 방출된 선수들의 명단을 리스트로 만들었다.

throw_df[throw_df['pitcher_name'].isin(playername) == True].sort_values(['pitcher_name','year'])

• 해가 지날 수록 기록이 어떻게 나빠졌는지 보기위해서 뽑아보았다.

• 2시즌 이상 뛰면서 나중에 방출된 선수들을 보면 승률이 떨어졌고 ERA도 높아졌다.

• 그러면 방출 안 된 선수들의 기록과 비교해보자.

throw_df[throw_df['방출연도'].isnull() == True].reset_index(drop=True).describe()

• 확실히 모든 면에서 달랐다. 세이브나 승률 , 승리를 위한 조건들이 방출 안 된 선수들의 기록이 더 좋았다. 세이브는 2배가량 차이가 났다.
• 방출 선수들의 외국기록들과 비교하여 어떤 이유로 스카웃했는데 어떤 기록이 나빠졌는지 꾸준히 뛴 선수들은 어떤 기록이 유지되었는지 보기로 하였다.

외국인메이저성적[외국인메이저성적['pitcher_name'].isin(playername) == True].sort_values(['pitcher_name','year'])

기록 용어 설명 2

위에 없는 것들만 추가하였다.

용어이름	영문 풀이	한국용어	설명
WAR	Wins Above Replacement	대체 선수 대비 승리 기여도	선수가 팀 승리에 얼마나 기여했는가를 표현하는 종합적인 성격의 스탯
가상의 대체선수와 비교하여 WAR 선수가 득점과 실점 억제에 얼마나 기여했는지를 구하고, 이를 승수로 바꿔 표현
WHIP	Walks Plus Hits Divided by Innings Pitched	이닝당 안타 볼넷 허용률	피안타 수와 볼넷 수의 합을 투구 이닝으로 나눈 수치
BABIP	Batting Average on Balls In Play		인플레이로 이어진 타구에 대한 타율을 계산하는 용어
(총 안타수-홈런)/(타수-삼진-홈런+희생플라이)
FIP	Fielding-Independent Pitching		수비와 상관 없는 독립된 피칭
수비와 관련된 모든 요소를 제외한 순수 기록
LD%		라인 드라이브
GB%		땅볼
FB%		플라이볼
IFFB%	In Field Fly Ball	내야팝업	IFFB/FB
SwStr%		헛스윙률	전체 투구 대비 헛스윙 비율
스윙 대비 헛스윙 비율과 혼동되서는 안 됨
Swing%			전체 피칭에 대한 타자의 스윙 비율
공을 던졌을 때 스윙비율(헛스윙 비율x)

• 이렇게 외국메이저 성적을 보고 어떤 점이 돋보이고 한국이랑 비교해서 어떤 스탯이 감소하였는지 보자.
• 잘던지는 선수가 당연히 모든 팀에 필요하다. 구속과 제구력을 갖추었으면 금상첨화다.

니퍼트 비교해보기

• 메이저성적

외국인메이저성적[(외국인메이저성적['pitcher_name'].isin(playername) ==False)\
 & (외국인메이저성적['pitcher_name'] == '니퍼트')].sort_values(['pitcher_name','year'])

• 한국성적

throw_df[throw_df['pitcher_name'] == '니퍼트']

• kbo에 와서 ERA나 SO가 좋아졌다.

• 메이저 경기수가 없어서 우선 외국인스탯캐스터를 이용해서 경기수를 채워려고 한다. 단순 수치비교보다는 경기수까지 포함해서 보는게 좋을 것 같다. 또한 우승 여부도 넣으면 좋을것 같다.

• 구속이 마일라서 km로 변경하였다.

외국인스탯캐스터['km변환'] = 외국인스탯캐스터['release_speed'].apply(lambda x:round(x*1.609344,0))

• 구속이 가장 빠른 투수를 찾아보았다.

외국인스탯캐스터.groupby('pitcher_name',as_index=False).agg({'km변환':'mean'}).sort_values('km변환',ascending=False)

• 얼추 들어온 선수들의 이름이 있다.

• 이쯤에서 궁금해졌다. 과연 감독들은 어떤 투수를 원할까?

  • 6이닝 이상은 던져워서 불펜들을 쉴 수 있게 하는 투수
  • 팀과 융화되는 선수

• 그럼 어떤 외국인 선수들이 살아남았을까?

  • 구속이 빠르다고 좋은게 아니다. 구위, 구종까지 갖추어야 살아남는다.

  • 장타보다는 단타

  • 높은 릴리즈 포인트

  • 본인의 장점을 적절히 섞고 안 되는건 고치고 다음해에 다른 무기를 장착해온 선수

  • 위닝샷이라고 불리는 결정구를 가진 선수

  • 커맨드를 겸비한 투수

    • 커맨드란 좋은 스트라이크(good strike) 또는 경우에 따라 존 바깥의 원하는 곳으로 원하는 구질의 공을 던지는 능력

      출처: https://baseball-in-play.com/52 [Baseball-in-Play]