データ分析に使える野球データまとめ

Shinichi Nakagawa@shinyorke PyData.Tokyo meetup #6 2015/10/23

Who am I ?

• Shinichi Nakagawa(@shinyorke)

• Recruit Sumai Company, Ltd.

• Pythonでやきうの人/Agile大好き

• 贔屓チーム

• 北海道日本ハムファイターズ

• オークランド・アスレチックス

野球Hack~Pythonを用いたデータ分析と可視化http://www.slideshare.net/shinyorke/hackpython-pyconjp

野球Hackの反響

• 60席+立ち見&床席40人ちょっと（推定）→発表時の聴衆の皆さま（感謝！）

• 15,049→slideshareのPV数

• 221→はてなブックマークの数

とても興奮している. ありがとう！※なお、カノーさんはシアトルに来てから(ry

Today’s Starting Member

• 野球Hack質問・コメントあるある

• 使える野球データの紹介

• まとめ

野球Hack 質問・コメントあるある※調査対象：1名

“日本の野球で使えるデータは無いんでしょうか？”

使えるデータ=ライセンス問題ない&使い易い （と、いう意味だと思われる）

【答】ありません！（断言）

• 「ここにデータあるから使ってイイよ！」的なデータは公式・非公式共に存在しない.　

• NPB公式は歴史的経緯上色々アレ.

• 個人系のサイトは頑張って自分で集めてるっぽい（拍手）

• 欲しいデータは自分で取りに行くしかない.

Pythonの場合、Beautifulsoupあたりで,,,あっ（察し

“NPBやWebサイトのDataがオープンになりませんか？”

【答】絶対無いです！（断言）

• プロ野球・MLB、ひいては他のスポーツも、データを扱うのは非常にコストがかかる→人件費・システム構築・運用とかとか

• Webサイトやアプリのログと同じで、データそのものが宝物、タダでオマイラに使わせるわけねーだろ！、が本音（と思われる）

• ちなみにMLBでは、野球選手そのものがゲームアイテムや金融商品化している（ぐらいにデータがメッチャ大事）

“サッカーとか、他のスポーツでデータがあったりとか？”

しらんがな（怒）（意訳：野球以外興味ない）

使える野球データ（難易度順）

• 【初級】Sean Lahman Database

• 【上級】Retrosheet

• 【プロ】pitchRx

全部メジャーリーグです！

Sean Lahman - 野球選手DB

• http://www.seanlahman.com/baseball-archive/statistics/

• MLB選手のプロフィールと年度別成績、一年に一度更新(CSV/SQL/MS Access)

• 前処理ほぼ不要、カラムを読むだけで使える（と思われる）

Retrosheet - 試合と選手の歴史

• http://retrosheet.org/

• MLBの試合と打席の詳細データ、投球・打撃結果・観客etc…情報凄い

• CSVだが、謎なフォーマットで構成

• スコアラー・審判一歩手前の野球ドメイン知識必要

pitchRx - pitchingを丸裸にする

• https://cran.r-project.org/web/packages/pitchRx/index.html

• Pitch f/xという、超高性能版スピードガンで取得した投球データを公開&ライブラリあり(なおR)

• 日本で使ってるのは専門の野球アナリストor 野球Hackの先駆者@gg_hatano氏ぐらいと思われる

• @gg_hatanoさんのブログで知りました http://gg-hogehoge.hatenablog.com/entry/2013/12/21/075023

まとめ

• 日本の野球データは（今のところ）期待出来ない.

→将来は別だと思う（又は別だと信じたい）

• メジャーリーグは充実している.野球ドメイン知識を鍛えて使ってみよう！

• 他のスポーツは正直しらん.

興味ある人探して&情報共有よろしくオナシャス！

ゲームセット！！！ご清聴ありがとうございました.

Shinichi Nakagawa(Twitter/Facebook/hatena:@shinyorke)