數據棒球(3)-Money Ball

19 Aug 2019

Tags: #baseball

Paragraph : 10589 words.

Money Ball一書於2003年出版，講述的是運動家隊的總經理Billy Beane於1999年挖角了印地安人隊的總經理助理Paul DePodesta，兩人用統計數據分析球員，打造出一支讓當時球探無法理解的球隊，例如以上壘率取代當時主流判定打擊者好壞的打擊率，或是選擇雖然常投出保送，但也很多三振的投手，這類有明顯缺點的球員在市場上普遍不貴，是當時球探比較不會看好的球員，只要搭配得宜，也能有意想不到的效果，而這支以數據分析打造出的運動家隊在2002年打出了破美聯紀錄的20連勝。

在電影中，Billy Beane在去印地安人隊談球員交易的過程中，認識了喜歡用數據分析球員的Peter Brand，當時他是印地安人隊的一個小助理， Billy Beane馬上把他挖角來運動家隊，並給予他很大的信任，讓他以數據分析取代原本的球探們，電影中的設定，Peter Brand是一個從耶魯大學經濟學系畢業的胖子，而這個角色其實是以Paul DePodesta為原型，真實故事中，Paul DePodesta是哈佛大學經濟系畢業的，而且他一點也不胖，他在大學有練過棒球和美式足球。

電影中，兩人用數據分析組出的運動家隊，是那年的黑馬，打出破紀錄的20連勝並且進入季後賽，將數據科學帶入棒球領域，實際上運動家隊至2000年開始連續四年拿下分區冠軍晉級季後賽，直到2004年在最後一個系列賽輸給天使才中斷連續紀錄，可惜的是連續四年都在季後賽第一輪就被淘汰。Paul DePodesta在2003年被挖角到道奇隊，2004年，也就是Paul DePodesta到道奇隊的第一年，道奇隊拿到西區冠軍。

就像電影中Billy Beane說的一樣，小市場球隊往往是大市場球隊的農場，小市場球隊好不容易培養出的棒球明星很快就會被大市場球隊買走，大聯盟的團隊薪資差距非常大，下表是2018年最貴和最便宜的三支球隊，可以發現組一支紅襪隊的錢竟然可以組三支運動家隊。

薪資排名	球隊	25人名單薪資	總薪資
1	Boston Red Sox	$172,670,000	$235,145,428
2	San Francisco Giants	$145,659,777	$208,004,777
3	Los Angeles Dodgers	$140,369,045	$185,590,711
28	Tampa Bay Rays	$67,254,132	$78,219,329
29	Chicago White Sox	$68,357,000	$72,202,000
30	Oakland Athletics	$58,873,333	$67,475,833

那小市場球隊就沒有勝算嗎？還是可以的，通常是買下有潛力的球員自己培養，趁這些球員還沒打出身價時簽約比較便宜，然後等到某一批球員開始打出成績時再花一大筆錢All in拚冠軍，對小市場球隊來說，每筆交易都是非常重要的，容錯空間非常小，若簽到的球員突然退化或受傷，可能球隊的奪冠之路又要延後好幾年，因此靠數據分析球員就顯得特別重要。

最近把Ｒ的官方文件看完，這次試試看用R來分析團隊薪資，順便紀錄一些R處理資料的方法，程式碼放在這裡。

資料前處理

library(dplyr)
library(ggplot2)

team_data <- read.csv("/Users/owlting/Desktop/baseball/the-history-of-baseball/team.csv")
salary_data <- read.csv("/Users/owlting/Desktop/baseball/the-history-of-baseball/salary.csv")
salary_data <- filter(salary_data, salary > 0) 
salary_data$salary <- salary_data$salary/10000 
team_salary<-group_by(salary_data, year ,team_id)
mlb_salary<-group_by(salary_data, year)
team_salary_trend <- summarise(team_salary,
                   count = n(),                
                   max_mon = max(salary),       
                   min_mon = min(salary),       
                   avg_sales = mean(salary),    
                   sum_sales = sum(salary))     
mlb_salary_trend <- summarise(mlb_salary,
                     count = n(),                
                     max_mon = max(salary),       
                     min_mon = min(salary),       
                     avg_sales = mean(salary),    
                     sum_sales = sum(salary)) 
team_data <- filter(team_data, year > 1984)
team_data = team_data %>% select(year, team_id, w, ws_win) 
mlb_salary_win = merge(team_salary_trend, team_data, by =c("year","team_id"))
mlb_salary_win["one_win_price"] <- mlb_salary_win$sum_sales / mlb_salary_win$w 

mlb_salary_win<-group_by(mlb_salary_win, year)
onewin_price <- summarise(mlb_salary_win,
                          onewin_sd = sd(one_win_price),
                          onewin_mean = mean(one_win_price)) 
mlb_salary_win = merge(mlb_salary_win, onewin_price, by ="year")
mlb_salary_win["z_score"] <- round((mlb_salary_win$one_win_price 
                            - mlb_salary_win$onewin_mean)/mlb_salary_win$onewin_sd,2)

資料前處理筆記

salary_data <- filter(salary_data, salary > 0)

filter可以對特定column的數據做篩選。

salary_data$salary <- salary_data$salary/10000

可以直接對特定column進行處理再傳回去。

team_salary<-group_by(salary_data, year ,team_id)

group_by可以用特定column當作分類進行統計。

team_salary_trend <- summarise(team_salary,
                   count = n(),                
                   max_mon = max(salary),       
                   min_mon = min(salary),       
                   avg_sales = mean(salary),    
                   sum_sales = sum(salary))  

summarise可以對特定table中的特定column做一些基本的統計分析。

team_data = team_data %>% select(year, team_id, w, ws_win) #select needed columns

%>%是pipeline概念，直接將前面的變數當作後面function的第一個參數使用。
select可以選擇特定column。

mlb_salary_win = merge(team_salary_trend, team_data, by =c("year","team_id"))

merge可以合併兩個table，如果要用兩個column來合需要by = c("","")，只用一個只要by = ""。

單一球隊團隊薪資與聯盟平均比較

輸入球隊名稱，回傳該球隊自1985年團隊薪資與每年聯盟平均團隊薪資的變化。

function(team){
  salary_team<-subset(mlb_salary_win,team_id==team) 
  salary_team = salary_team %>% rename(avg_team = avg_sales)  
  salary_team = salary_team %>% select(year,avg_team) 
  mlb_salary_trend = merge(mlb_salary_trend, salary_team, by ="year")
  lineplot<-ggplot(mlb_salary_trend, aes(x = year))
  lineplot+geom_line(aes(y = avg_sales),size = 1.5,color = 2)+ 
    geom_line(aes(y = avg_team),size = 1.5,color = 4)
  #size粗度
  #color:1black 2red 3green 4blue 5lightblue
  path = paste("/baseball/",as.character(team), "_salary.png", sep='')
  ggsave(path) 
}

ggplot用來劃出各式統計圖。
paste可以連接兩字串。

先來看看豪門球隊的薪資是怎麼走的。
(紅色是聯盟平均，藍色是該球隊平均)
NYA洋基隊：

BOS紅襪隊：

接著看看小市場的球隊。
KCA皇家隊：
很可惜在最後世界大賽遇到偶數年巨人軍，以4:3輸給巨人，2015還有再拼一年的本錢，於是有投入了一筆錢最終終於在冠軍系列賽以4:1擊敗大都會隊獲得冠軍，這時他們所花的薪資還不到聯盟平均。奪冠後，冠軍隊球員幾乎都被別隊買走了，當年的冠軍陣容成員幾乎都不在了，皇家隊又進入了重建，標準的小市場球隊奪冠劇本。

OAK運動家隊：

Billy Beane是1997年開始當GM，一直讓運動家隊的團隊薪資保持在聯盟平均以下，2007年算是運動家隊相對比較慘的球季，那年陣中主力相繼受傷，最後運動家以勝率不到五成結束2007年賽季，是自1998後第一次不到五成。

剩下球隊可以用上面提供的程式碼試試看。

單一球隊單場勝場花費

輸入球隊名稱，回傳該球隊自1985年每場勝場花費的z-score，這裡用z-score是因為聯盟平均薪資是逐年上升的，也就是養一支球隊的花費是逐年增加的，所以用z-score來比較相對比較不花錢的球隊比較合理。

function(team){
  onewin<-subset(mlb_salary_win,team_id==team) 
  lineplot<-ggplot(onewin, aes(x = year))
  lineplot+geom_line(aes(y = z_score),size = 1.5,color = 4) 
  path = paste("/Users/Owlting/Desktop/baseball/",
               as.character(team), "_onewin_zscore.png", sep='') #字串相接
  ggsave(path) 
}

NYA洋基隊：

基本上都是正的，也就是比其他隊花更多錢在每場勝利上，甚至z-score能破3。

OAK運動家隊：

自Billy Beane接手後都維持在負，也就是相對其他球隊每場勝場的花費較少，只有一次稍微超過0，也就是令人失望的2007年賽季，從這張圖可以看到貫徹Billy Beane魔球理念的運動家隊。

剩下球隊可以用上面提供的程式碼試試看。

奪冠球隊花費

不管用多划算的價錢組出一隻多有競爭力的球隊，能不能拿到冠軍還是球迷們最關注的問題，以下取出1985~2015年所有獲得世界冠軍的30支球隊(1994因為罷工沒有世界賽)

champion_team<-subset(mlb_salary_win,ws_win=='Y')

以下為使用最划算的價格得到世界冠軍的球隊(前六名)

Team	year	z-score
MIN 雙城	1987	-1.06
CIN 紅人	1990	-1.05
FLO 馬林魚	2003	-1.04
ANA 天使	2002	-0.81
KCA 皇家	1985	-0.73
KCA 皇家	2015	-0.57

以下為使用最貴的價格得到世界冠軍的球隊(前六名)

Team	year	z-score
NYA 洋基	2009	2.41
NYA 洋基	1996	1.55
NYA 洋基	2000	1.49
BOS 紅襪	2004	1.34
BOS 紅襪	2007	1.32
NYA 洋基	1999	1.24

誰是土豪很明顯了吧！洋基前六名佔了四個，可見預算足夠，要拿冠軍是沒有問題的，但用有限的預算拿到冠軍的GM就厲害了，他們可以把每一塊錢都發揮到最大的效用，因此我們可以用z-score來評估一個球隊的管理團隊的理念，球團老闆也可以用這個指標來評估球隊GM的績效。

Orange4649 Blog 橘子的Blog