我之前介绍过一些高阶数据的算法，可能有人对高阶数据不屑一顾，这个也可以理解啊。毕竟其实算法本身缺陷还是很大的（主要怪这帮人老的太快，打球太少，都给我一年打个800场去啊），不过查数据本身不论是对了解一个球员还是和人对线都是很有用的，所以这里我主要讲一下nba官网数据的查询方法。

当然了，来个免责声明，毕竟我就一业余票友，讲错了是非常正常的事。

常见数据介绍

nba官网实际上数据还是很全面的啊，其他各种网站的数据基本上都是对它的再整理，所有高阶数据的数据来源也都是官网，不过因为是纯英文的，网页加载速度慢，解释也不算多，所以据我观察实际上会用的人不算很多，这里以一个球员的数据为例子讲一下，别的就都好说了。

就决定是你了肥仔

基本信息应该都能看懂

这里稍微讲一下，nba官网的数据大部分都有这么个框，能指定各个赛季，常规赛/季后赛，总数/每场比赛/每48分钟/每36分钟/每100回合，攻防，旁边展开后还有更详细的指定（比如近期几场比赛，对手之类的），不过每种数据详细程度略有区别。

这个是球员信息界面能查的所有大类信息，从上到下是球员基本数据，分割数据（分割成每个月主客场之类的），生涯数据，高级面板数据，追踪数据（重点），对位数据，每个数据能继续细分。我主要讲下后两个。

追踪数据了，这个虽然我觉得是最重点的，但是总体都比较好理解。Tracking数据是从2013赛季开始引入的，通过摄像头提供25fps的场上10个球员的二维坐标以及球的三维坐标，可以说除了球员的具体技术动作录不进去其他事无巨细了，最开始是由SportsUV提供的而且可以下载，很可惜的是从2016还是17赛季开始换成了second spectrum之后就不提供所有数据的下载了（原本留下的部分也就剩700多场，github上一搜就有），只剩下表格里整理的这些。

不过虽然这些数据比较重要，但也都算好理解，我简单介绍下就行。投篮数据里包括了如投篮时对手离你多远，离进攻超时还剩几秒，之前运了几次球，球在手里停了几秒。

篮板里包括对抗和非对抗篮板，以及一堆前置条件。

传球里主要是你传给了哪些队友，队友们接球后命中如何。以及各个队友把球传给你的情况。

防守里主要是你在各个范围内干扰投篮次数，对方命中次数，以及降低命中率的数值（这个我不太确定基准是什么，我怀疑时按照投篮球员平均命中加权算的，毕竟每个人不一样）。

Matchup对位数据，这玩意应该是撕逼最爱了，统计方法不明，实际上有论文写过可以直接用追踪数据算，这里就不赘述了。不过这个真的是看看就好了，为啥呢，我就随便举个例子，当然还是拿胖子。

胖子也算是出场时间不少的人了，结果对位最多的人一共对位了能有85.6回合，差不多折合一场比赛，其他大部分都到不了30回合，这个统计数据就算不考虑队友帮忙协防的问题，自带的方差都是非常大的。（库里面对胖子也就7投7分，难道胖子应该领防库里），所以平时看到拿这个说对位的无视就行。

实际上看单个对位几乎没有任何稳定的有用信息，但是合起来能看一些东西，主要就是俩

1 对位球员的难度，这个就是把对位球员的使用率加权做个和，毕竟大体上出手多的进攻厉害没啥问题。

2 对位球员多样性，这个主要看球员的换防能力，当然其实这个也不一定是换防能力，要和对位难度一起看，如果对位难度高就算换防能力，低就是不愿意防厉害的。

官网虽然数据都是有的，乐意的话也可以自己下载整理（具体怎么整理可以看后面），但是肯定不如直接看整理完的方便，这里安利一个网站

https://basketball-excel.com/

里面可以看到很多信息，虽然不是把官网包圆了，但是球迷比较关心的基本都有。

可以看到胖子的对位多样性一直是可以的，可惜难度太低了，这个往好听了说是解放胖子的协防能力，难听了说（实话说）就是把胖子保护起来，所以对位多样性不小，值得一提的是胖子常规赛防守形态和字母其实挺像的，就是协防能力就天差地别了。

不过球员信息界面实际上是无法获得所有信息的，Season Leaders | Stats | NBA.com这里有其他的球员信息，就不是单列一个球员的了。

Hustle(具体咋翻译我也不知道）这个数据很多开始统计的时候很晚，而且英文不太好懂。

Screen assists指的是掩护助攻，这个玩2k的应该比较熟悉，deflections指的是截断，应该是破坏对手传球或者强迫对手传球失误的意思，loose balls recovered是指抢到脱离双方球员控制的球， charges drawn：造进攻犯规，就是站那里等对面撞，大体上大家都差不多（都不太会造），不过有几个比较突出的。Contested shot是干扰投篮，可以看出里面包含了一些比较主观的因素，因此我比较倾向于这个是记录人员自己记的。

另外在这个页面里还有比较重要的lineup数据和playtype数据，分别是阵容数据（可以指定2，3，4，5人组合）

举个栗子，我想看东欧两人在场的进攻防守效率，就这么设置就行，nba官网这方面很细的。

进攻120，防守113，还行，不过正如我一直强调的，一共没打多久（也没考虑队友对手）随便看看就好。

另外一个比较有意义的是进攻方式playtype（单挑，转换，挡拆持球，挡拆顺下，低位，定点，手递手，空切，无球掩护，补篮，杂项，可以在我上面推荐的网站basketball-excel里找到，不过防守应该只有官网有） 

Nba官网我没讲到的数据其实也很多，里面互相重复格式很乱的也不少，但基本也够用了。

如何正确看待数据量

讲完数据获取之后我想说一下如何看待这个数据，首先大家一定要明白的一点是，单赛季来讲，几乎所有数据都是样本量不足的，我们拿lineup数据举例子，联盟一个赛季一般要打20w个回合，但是大部分组合都打不到10回合。

能打到100回合的可以说凤毛麟角，如果能打到100回合的话，我们可以简单算一下方差。（这里理想化的把每次进攻当成是独立的随机变量。）假设每次得分概率50%，一次得2分，100回合平均下来成功得分的标准差就有0.05，三个标准差就有0.15了，就算按照一个标准差来算百回合都有+-10分的偏差，然后联盟第一和末尾百回合一般也就差10多分……更别说现在3分扔的多了。作为佐证你可以看到一些打了100回合的5人组只需将数据剖分一下（比如说分为主客场）内部的净胜分差距都能到15分。三分投篮也类似，3D一个赛季能扔300个三分就是很好，一个标准差仍然能有+-3%的差距。

这个才是nba数据分析的最大困难，也是高阶数据这种粗糙计算方式大行其道的原因---数据质量就这样（如果能拿到tracking数据可能情况能好一些），当然你可以通过增加样本量来减小噪声，但是球员每年变化也是不小的，时间一拉长就很难分析实时的变化了。

所以有的时候看球也是这样的，比如说哈达威首发才能扔的准，替补就不行。欧文077进攻兼容性很差（实际这俩一起进攻效率挺高的，077无球不行但欧文咋也比dvd强吧），等等一些玄学说法都要谨慎看待的，毕竟一个赛季的样本都如此不足，一两场甚至十几场比赛的力度也肯定不行。

另外如果想自己整理的话推荐几个网站：

dblackrun/nba-stats-tracking: A package to work with NBA player tracking stats using the NBA Stats API (github.com)

swar/nba_api: An API Client package to access the APIs for NBA.com (github.com)

以前的tracking数据

sealneaward/nba-movement-data: SportVU movement tracking data. (github.com)

国内篮圈上的原点博主做的网站（不稳定，也许需要梯子）

Basketball Excel (basketball-excel.com)