数据来源：某数据分析QQ群（群友下载于NBA官方网站）
原始数据比较简单，依次包含了比赛日期、比赛开始时间、客队、客队得分、主队、主队得分、个人比赛数据（Box Score）、是否有加时赛、备注等。虽然数据简单，但依然有非常大的分析空间。本文为了实践之前学习的R语言相关内容，只做了一项非常简单的数据分析。
导入数据
数据为CSV文件，直接使用R语言导入CSV文件的方法。
#导入csv数据
setwd("F:/Temporary")
NBA_data <- read.table("NBA_data.csv",
header = TRUE, sep = ",",
colClasses = c("character",
"character", "character",
"character", "character",
"character", "character",
"character"), stringsAsFactors = FALSE)
其中，第二个参数header默认为FALSE，即数据框的列名为“V1,V2...”，设置为TRUE时以CSV文件的第一行作为列名。参数sep是分隔数据的分隔符，默认为空格，可以设置为逗号（sep=,），分号（sep=;）和制表符（tab）。参数colClasses 为每一列指定一个类，为了方便处理，先将所有的数据都指定为字符型（character）。由于字符型数据在读入时自动转换为因子，所以参数stringAsFactors=FALSE是为了防止导入的数据进行任何的因子转换。
具体可查阅《R语言实战（第2版）》第二章中“2.3.2 从带分隔符的文本文件导入数据”相关内容。关于如何导入Excel数据可以参考文章【R语言】：导入Excel数据 和【R语言】：简单数据处理分析。
数据预处理
一、重命名列名
为了方便处理，在导入数据时保留了文件中的第一行作为列名。
首先对原始数据进行初步分析：第一列比赛日期（Date）的列名无需更改；第二列为比赛开始时间，原列名包含有英文缩写ET，推测其为美国东部时间East Time的缩写，决定把列名更改为Start_time；第三列为客场或中立球队，更改为V_team；第四列是客队得分，更改为V_PTS；第五列是主场或中立球队，更改为H_team；第六列是主队得分，更改为H_PTS；第七列是详细的个人比赛数据，应该有内链，但没有抓取到，随后删除；第八列标记了是否进行了加时赛（如果有是OT，没有为空）；第九列是备注，全部为空，随后删除。
#重命名列名
names(NBA_data) <- c("Date", "Start_time", "V_team",
"V_PTS", "H_team", "H_PTS",
"BS", "Overtime", "Notes")
二、删除无效数据和缺失值
1、删除第七列和第九列的无效数据
#删除第七列和第九列
NBA_data <- NBA_data[, c(-7, -9)]
可参考文章：【R语言】：基本数据管理（2）
2、删除观测的缺失值
比赛日期、客队、客队得分、主队、主队得分这五个列向量为空的数据都需要删除。
#删除观测（行）的缺失值，五个列向量为空的数据都需要删除
NBA_data <- NBA_data[!is.na(NBA_data$Date),]
NBA_data <- NBA_data[!is.na(NBA_data$V_team),]
NBA_data <- NBA_data[!is.na(NBA_data$V_PTS),]
NBA_data <- NBA_data[!is.na(NBA_data$H_team),]
NBA_data <- NBA_data[!is.na(NBA_data$H_PTS),]
应该能用更简单的代码来实现，但暂时不清楚，以后遇到了再补充更改。
三、处理日期、数据类型转换、数据排序
1、处理日期
比赛日期这一列包含的内容为星期（缩写）+月（缩写）+日（数字）+年（数字），利用函数str_split_fixed()将该列拆分为星期、月日年两列。
#处理日期
library("stringr")
datesplit <- str_split_fixed(NBA_data$Date, " ", n=2)
这两列数据在随后数据分析中都有用，将在分析之前再跟实际需求分别赋值到数据框中。
2、数据类型转换
将比赛分数转换为数值格式，以便于之后的相关计算。
#数据类型转换
NBA_data$V_PTS <- as.numeric(NBA_data$V_PTS)
NBA_data$H_PTS <- as.numeric(NBA_data$H_PTS)
3、数据排序
此外，原始数据已经按照比赛时间的升序排列，目前暂时不变，之后将根据需要另做排序。
简单数据分析
NBA整个赛季的比赛非常多，整个赛季总共近1300场比赛。可一个赛季下来，一周7天从星期一到星期天，到底联盟更喜欢把比赛安排到哪一天呢？会是周五晚上，还是周六晚上呢？还是其他某天晚上呢？
#另存一个新数据框NBA_days
NBA_days <- NBA_data
#把datesplit中的第一列“星期几”全部赋值给Date列
NBA_days$Date <- datesplit[, 1]
运行代码后可得
1、统计每天比赛的数量
#周一的比赛数量
NBA_Mon <- NBA_days[NBA_days$Date == "Mon",]
Mon_num <- nrow(NBA_Mon)
#同理可得周二到周日的比赛数量
NBA_Tue <- NBA_days[NBA_days$Date == "Tue",]
Tue_num <- nrow(NBA_Tue)
NBA_Wed <- NBA_days[NBA_days$Date == "Wed",]
Wed_num <- nrow(NBA_Wed)
NBA_Thu <- NBA_days[NBA_days$Date == "Thu",]
Thu_num <- nrow(NBA_Thu)
NBA_Fri <- NBA_days[NBA_days$Date == "Fri",]
Fri_num <- nrow(NBA_Fri)
NBA_Sat <- NBA_days[NBA_days$Date == "Sat",]
Sat_num <- nrow(NBA_Sat)
NBA_Sun <- NBA_days[NBA_days$Date == "Sun",]
Sun_num <- nrow(NBA_Sun)
2、新建数据框，包含星期和天数（参考【R语言】：基本数据管理（1））
#新建数据框NBA_week
NBA_week <- data.frame(WeekDays = c("Monday", "Tuesday", "Wednesday",
"Thursday", "Friday", "Saturday",
"Sunday"), WD_num = c(Mon_num, Tue_num,
Wed_num, Thu_num,
Fri_num, Sat_num,
Sun_num))
3、2015-2016赛季NBA一周每天的比赛数量
#用函数barplot()画柱状图
P1 <- barplot(NBA_week$WD_num, width=1, space=NULL,
names.arg = NBA_week$WeekDays, beside=TRUE, col=rainbow(14),
col.axis="blue", col.lab="black",
col.main="red", main = "2015-2016赛季NBA一周每天比赛数量",
xlab="星期", ylab="比赛场次",
ylim=c(0,300), axis.lty=1)
#函数text()和函数minor.tick()调整文本和坐标轴刻度
text(P1, NBA_week$WD_num,
NBA_week$WD_num, col = "black", pos=3)
library(Hmisc)
minor.tick(ny=5, tick.ratio = 0.5)
其中，关于函数text()和函数minor.tick()的详细用法可参考：【R语言】：图形初阶（3）
4、简单分析
NBA整个2015-2016赛季（包含常规赛和季后赛），在一周内周三晚上的比赛数量最多（竟然不是周末），其次是周五晚上，周一晚上和周六晚上的比赛数量一样多，并列第三。
后记
NBA的各项数据是一个非常大的数据宝藏，今天这个非常简单的数据分析的小例子，仅仅利用非常少量的数据以及非常简单的数据源。
稍微展开，就能想到更多复杂的分析，比如：
所有NBA球队常规赛（季后赛）主场（客场）平均得分（失分）；
某支球队常规赛主场平均得分（失分）、客场平均得分（失分），季后赛主场平均得分（失分）、客场平均得分（失分）；
某支球队常规赛（全部、主场、客场）的胜率、季后赛（全部、主场、客场）的胜率、包含加时赛（全部、主场、客场）胜率、得分（失分）上百（未上百）的比赛胜率；
某支球队周几的比赛胜率最高、几点开始的比赛胜率最高。
NBA数据几乎拥有无限多可以分析的点以及可以深挖的内容，并且NBA各支球队目前也非常重视各项数据，并且用于指导球队的技战术提升和比赛。
