數據棒球(1)-1987的雙城隊

MLB冠軍是所有棒球員的最終目標，原本是想看看拿到世界冠軍的隊伍都具有哪些特徵，意外發現在這些冠軍隊伍中有一個非常特別的outlier，那就是1987年的明尼蘇達雙城隊，那年的雙城隊淨得分值為-20，也就是失分比得分多了20分，勝敗場為85-77，先在美聯冠軍賽以4-1擊敗當年美聯最強的底特律老虎(98-64)，然後在世界冠軍系列賽以4-3在第七場淘汰了傳統強隊聖路易紅雀(95-67)，攤開所有數據來看，那年的雙城不像是可以拿下世界冠軍的隊伍，於是我開始尋找那年雙城為何可以拿下冠軍的原因。

2020/1/11更新

由於大四上修了資料視覺化與分析的課，剛好期末報告要選一個資料庫做資料呈現，所以又把這個題目做完整一點，順便使用Tableau做資料呈現。

DataSet

本篇使用Kaggle上的資料來進行分析，這是一份1871~2015年MLB各球隊與球員的數據，有蠻多主題值得去探討的。

讀取資料，這裡我只保留1900年後的，比較符合現代棒球的數據。

data = pd.read_csv('dataset/team.csv')
data = data[data.year > 1900]

從團隊打擊和團隊防禦切入分析

由於20世紀初的資料有些進階數據缺值比較多，這邊就只以最直觀的avg和era來看1900~2015年得到世界冠軍的隊伍。
avg:團隊打擊率
era:團隊防禦率

x = champion['era']
y = champion['avg']
plt.axis([x.min() - 1,x.max() + 1, y.min() - 0.01, y.max() + 0.01])
plt.xlabel('era')
plt.ylabel('avg')
plt.scatter(x,y)
plt.annotate('1906 CHW', xy=(2.13,0.2301),\
xycoords='data', xytext=(1, 0.235), size=10,\
arrowprops=dict(arrowstyle="simple",fc="0.6",\
ec="none"))
plt.show()

基本上可以看出era越高的隊伍打擊率也越高，有正相關，因為當球隊era越高失越多分，代表打擊比需更努力才能贏得冠軍，連帶的avg也就提高。

從淨得分差和勝率切入分析

接著我使用rd和勝率去分析
rd:run difference，總得分減總失分

x = champion['rd']
y = champion['winrate']
plt.axis([x.min() - 10,x.max() + 10, y.min() - 10, y.max() + 10])
plt.xlabel('rd')
plt.ylabel('win-rate %')
plt.scatter(x,y)

min_rd = champion.nsmallest(5,'rd')
max_rd = champion.nlargest(5,'rd')
min_winrate = champion.nsmallest(5,'winrate')

plt.annotate('1987 MIN', xy=(-20,52), xycoords='data', xytext=(-20, 63), size=10, arrowprops=dict(arrowstyle="simple",fc="0.6", ec="none"))
plt.annotate('2006 STL', xy=(19,51.5), xycoords='data', xytext=(50, 45), size=10, arrowprops=dict(arrowstyle="simple",fc="0.6", ec="none"))
plt.annotate('1939 NYY', xy=(411,70.2), xycoords='data', xytext=(340, 80), size=10, arrowprops=dict(arrowstyle="simple",fc="0.6", ec="none"))
plt.annotate('1927 NYY', xy=(376,71.43), xycoords='data', xytext=(300, 57), size=10, arrowprops=dict(arrowstyle="simple",fc="0.6", ec="none"))
plt.show()

看到這張圖馬上可以看到rd各有兩個極端值，先講右邊有著超高rd的兩點，兩個都是紐約洋基隊，事實上rd最高的五支球隊都是洋基隊，而得分洋基隊則包辦了前7名，可見洋基的奪冠模式很明確，就是組出一個超級打擊隊，把對手打爆冠軍自然就進來了。
就著看左邊兩個極端值，2006年紅雀隊之後再研究，比較讓我驚訝的是1987年的雙城隊，這球隊的rd竟然小於0，也就是失分比得分多，這樣都能拿冠軍到底是怎麼辦到的。
順便一提1987雙城隊的冠軍也是CP最高，花最少錢的，整體薪資在整個冠軍隊分布的z-score是 -1.06。
奪冠CP值：

1987年的雙城隊

我將1900~2015年的數據做統計取平均，做了一個比較，想找出1987的雙城到底優勢在哪裡。

data_1987 =data[data.year == 1987]
des_1987 = only_data(data_1987).mean()
des_all = only_data(data).mean()
des_champion = only_data(champion).mean()
twin = champion[champion.year == 1987]
twin_1987 = only_data(twin).mean()
comparison = pd.concat([twin_1987, des_all, des_1987, des_champion], axis=1)
comparison.columns = ['1987_twin','all','1987','champion']

以下為比較表格：

其中雙城隊比較突出的是196支全壘打，不過從1987年所有球隊平均打了171.46支全壘打跟全部年分的113.35比起來，可以看出1987年是打擊聯盟，但那年的雙城的確特別會轟。不過從被全壘打來看雙城的投手也是特別會被轟。
另一個值得注意的是失誤，雙城的98次失誤遠低於當年全聯盟平均的126.38次以及一般冠軍隊的142次，所以穩定的守備和特別會打全壘打的野手補足了投手的弱點。

Tableau版本：

數據外的因素

以下是從MLB官網找到的資料，1987年雙城所在分區的戰績，可以發現那年雙城所在的美西分區比美東分區弱很多，如果雙城在美東，那年只能拿到第五名。


還有一點值得注意的是雙城在人工草地可以拿下60-33的成績，在自然草地卻只能拿下25-44的成績，這也差太多了吧！雙城主場是胡伯特·哈姆佛里圓頂體育場（使用時間1982年－2009年），是個室內球場，使用人工草皮。
自然草皮和人工草皮的比較：

photo source

以下是Wiki的資料，雙城主場的戰績為56-25，客場戰績為29-52，三分之二的勝場是靠主場贏的，而雙城也是那年主場成績最好的球隊之一。

主場的實力也帶進了季後賽，季後賽第一個系列戰以4-1擊敗老虎，其中的三場勝場是主場拿到的，最後的世界冠系列戰4-3擊敗紅雀，四場勝場都是主場拿到的。

每局平均得失分

那為何雙城隊的淨得失分差是 -20 呢？攤開整季比賽會發現他們普遍輸很多分贏很少分。

以下是我把雙城隊整季每局得失分與聯盟做比較：

• 紅色：雙城隊得分
• 藍色：雙城隊失分
• 綠色：聯盟得失分(相等)

從這張圖會發現雙城隊一開始可以打出優勢，給對手很大的壓力，但大概到第四局開始失分會暴增，打線則維持在聯盟平均，因此贏的分會慢慢被追回去，最後被逆轉，第四局差不多是到打線第二輪，也就是說雙城隊缺乏很強的先發投手群可以面對到打線第二輪。以下是當年的五位先發。

前兩號先發的成績還算不錯，一號先發Bert Blyleven當年36歲已經算是老將了，但投得還算可以，他的累積三振是史上第五，後來有進名人堂，雙城還退休他的背號(28)，二號先發Frank Viola的防禦率2.9很厲害，在季後賽變成王牌，且都投出不錯的成績，最後獲得世界冠軍系列賽的MVP，隔年還拿到賽揚獎。不過剩下的投手還有牛棚其實都不像是冠軍隊該有的戰力。

結論

我認為1987年的雙城隊打擊的實力是有的，投手戰力不夠，不過面對季後賽這種短期賽制很吃感覺，再加上雙城的前兩號先發還算穩定，所以還是有點勝算。分區優勢以及主場優勢也是關鍵，雙城所在的分區戰力較弱，因此隔年還是有拼季後賽的本錢；主場戰績是聯盟數一數二的好，可以找找看除了草皮外有什麼關鍵因素，可以讓雙城隊在客場也打出一樣的好成績。

至於補強方面，我認為應該重點補強投手，先發至少要再補1個穩定的，牛棚還缺2~3位才可以頂住雙城在比賽中段的失分壓力。由於處於分區較弱的階段，補強還是很容易進季後賽的。