プロ野球2020年のオープン戦成績のデータからセイバーメトリクス指標を作る。

プロ野球の開幕までに、オープン戦成績の分析をしたい今日この頃・・・
しかし、前回データを取っただけではせいぜい記録を見て分析するだけにとどまってしまいます。
※前回の記事はここ

そこで今回は前回取得してきたオープン戦データを基にセイバーメトリクス指標を計算する関数を作成します。
作成した関数を使ってセイバーメトリクス指標を算出した結果を成績データと結合してcsvファイルとして出力します。

セイバーメトリクス指標

作成するセイバーメトリクス指標は関数のコメントに書いてありますが、一般的なセイバーメトリクスが以下の記事にまとめられてますので、主要なものをざっとみると、このような算出をしてるのかということがわかります。

セイバーメトリクス指標算出関数（野手編）

基本的な処理は、セイバーメトリクス指標の算出式をひたすら計算していく流れになります。
ひと工夫してあるのは、データの項目の表記ゆれやデータがそろってない中でも持っているデータの中で作れるセイバーメトリクス指標を作れるようにしてあります。
例外処理により指標が作れいない場合は次の指標を作りに行きます。
try:の後に行いたい処理を書きます。
except:の後にtryの処理ができなかった時の処理を書きます。
基本的にエラー文をexceptの後に書くかと思います。
何の処理ができなかったか書いておくと、どこの処理ができなかったかわかるのでよいでしょう。

def SabermetricsBatter(df):
   """
   バッターのセイバーメトリックス指標を計算して、データ加工する
   OPS:得点力
   IsoP:パワー指標
   IsoD:選球眼
   BB/K:選球眼
   BIBIP:運の要素を取り出す指標
   A:出塁能力
   B:進塁能力
   C:出塁機会
   RC:得点力
   RC27:この選手が9人いたとして、1試合の得点能力に換算した式
   AB/HR:1本塁打打つまでにかかる打数
   PA/K:三振するまでにかかる打数
   PS:機動力とパワーを兼ね添えてるかを見る
   Spd：走塁能力
   簡易RF：レンジファクター、守備寄与率
   """
   try:
       df['OPS'] = df['長打率']+df['出塁率']  #得点力
   except KeyError:
       print('KeyError: can not make OPS')
   try:
       df['IsoP'] = df['長打率']-df['打率'] #パワー
   except KeyError:
       print('KeyError: can not make IsoP')
   try:
       df['IsoD'] = df['出塁率']-df['打率'] #選球眼
   except KeyError:
       print('KeyError: can not make IsoD')
   try:
       df['BB/K'] = df['四球']/df['三振'] #選球眼
   except KeyError:
       print('KeyError: can not make BB/K')
   try:
       df['BABIP'] = (df['安打']-df['本塁打'])/(df['打数']-df['三振']-df['本塁打']+df['犠飛'])
   except KeyError:
       print('KeyError: can not make BABIP')
   try:
       A = df['安打']+df['四球']+df['死球']-df['盗塁刺']-df['併殺打'] #出塁能力
       B = df['塁打']+0.26*(df['四球']+df['死球'])+0.53*(df['犠飛']+df['犠打'])+0.64*df['盗塁']-0.03*df['三振']#進塁能力
       C = df['打数']+df['四球']+df['死球']+df['犠飛']+df['犠打']#出塁機会
       df['RC']=(A+2.4*C)*(B+3*C)/(9*C)-0.9*C
       TO = df['打数']-df['安打']+df['犠打']+df['犠飛']+df['盗塁刺']+df['併殺打']
       df['RC27'] = 27*df['RC']/TO #この選手が9人いたとして、1試合の得点能力に換算した式
   except KeyError:
       print('KeyError: can not make RC27')
   try:
       df['AB/HR'] = df['打数']/df['本塁打']#1本塁打打つまでにかかる打数
   except KeyError:
       print('KeyError: can not make AB/HR')
   try:
       df['PA/K'] = df['打数']/df['三振']#三振するまでにかかる打数
   except KeyError:
       print('KeyError: can not make PA/K')
   try:
       df['PS'] = (df['本塁打']*2*df['盗塁'])/(df['本塁打']+df['盗塁'])#機動力とパワーを兼ね添えてるかを見る     
   except KeyError:
       print('KeyError: can not make PS')
   
   try:
       steel_ratio=((df['盗塁']+3)/(df['盗塁']+df['盗塁刺']+7)-0.4)*20
       try_steel=np.sqrt((df['盗塁']+df['盗塁刺'])/(df['安打']+df['四球']+df['死球']))/0.07
       three_base_ratio=df['三塁打']/(df['打数']-df['本塁打']-df['三振'])/0.02*10
       run_ratio=((df['得点']-df['本塁打'])/(df['安打']+df['四球']+df['死球']-df['本塁打'])-0.1)/0.04
       df['Spd']=(steel_ratio+try_steel+three_base_ratio+run_ratio)/4.0
   except KeyError:
       print('KeyError: can not make Spd')
       
   try:
       df['簡易RF']=(df['刺殺']+df['補殺'])/df['試合']
   except KeyError:
       print('KeyError: can not make RF')
   
   except ZeroDivisionError:
       print('0除算がありました。')
   
   finally:
       print('計算終了')

   return df

セイバーメトリクス指標算出関数（投手編）

投手も野手の時と処理の流れは同じです。
セイバーメトリクス指標を算出する式をひたすら書きます。

def SabermetricsPitcher(df):
   """
   ピッチャーのセイバーメトリックス指標を計算して、データ加工する
   FIP:野手による影響を受けない結果（被本塁打、三振、四死球など）のみで投手の能力を評価した指標
   QS%:先発登板数に対するQSの割合
   LOB:ランナーを出した状態で失点しなかった指標
   BB/9:1試合当たりの四球数
　　HR/9:1試合当たりの被本塁打数
　　K/BB:奪三振とフォアボールの比率
   """
   try:
       df['FIP'] = (13*df['本塁打']+(df['四球']+df['死球'])*3-df['三振']*2)/df['投球回']+3.12
   except KeyError:
       print('key error exception: can not make FIP')
   try:
       df['LOB'] = (df['安打']+df['四球']+df['死球']-df['失点'])/(df['安打']+df['四球']+df['死球']-1.4*df['本塁打'])
   except KeyError:
       print('key error exception: can not make LOB')
   try:
       df['BB/9']= df['四球']*9/df['投球回']
   except KeyError:
       print('key error exception: can not make BB/9')
   try:
       df['HR/9']= df['本塁打']*9/df['投球回']
   except KeyError:
       print('key error exception: can not make HR/9')
   try:
       df['QS%'] = df['QS']/df['先発']    
   except KeyError:
       print('key error exception: can not make QS%')
   try:
       #(与四球 + 被安打) ÷ 投球回
       df['WHIP']=(df['四球']+df['安打'])/df['投球回']
   except KeyError:
       print('key error exception: can not make WHIP')
   try:
       #(与四球 + 被安打) ÷ 投球回
       df['K/BB']=df['三振']/df['四球']
   except KeyError:
       print('key error exception: can not make K/BB')
   try:
       # (安打 - 本塁打) ÷ (打数 - 奪三振 - 本塁打 + 犠飛)
       df['BABIP']=(df['安打']-df['本塁打'])/(df['打者']-df['三振']-df['本塁打'])
   except KeyError:
       print('key error exception: can not make BABIP')

   except ZeroDivisionError:
       print('0除算がありました。')
   
   finally:
       print('計算終了')
       
   return df

メイン処理の流れ

メイン処理は全部で8行と意外と少ないです。
投手のデータは1行だけ「＋」が入っていて、処理ができないので除去します。
除去した後、データの型をfloatにしてからセイバーメトリクスの関数に渡します。
そうしないと型が違うから計算してくれないのですよ・・・
野手のデータは欠損値はないためそのままデータを読み込み、セイバーメトリクス指標を算出する関数に渡せば計算をしてくれます。
最後はデータをcsvに保存して完了です。

if __name__ == "__main__":
   data_pitch = pd.read_csv('Open_Pitch.csv')
   data_pitch = data_pitch[data_pitch['投球回']!='+']
   data_pitch = data_pitch.astype({'投球回':'float32'})
   data_hitter = pd.read_csv('Open_Hitter.csv')
   
   data_pitch = SabermetricsPitcher(data_pitch)
   data_hitter = SabermetricsBatter(data_hitter)
   
   data_pitch.to_csv('sabermetricsPitcher.csv',index=False)
   data_hitter.to_csv('sabermetricsHitter.csv',index=False)

そろそろ分析したいですねぇー

今回の記事で作成したコードとデータはこちらにあります（有料）

今回の記事で作成したコードとデータはここにあります。
オープン戦データ分析してみたい人やコードを使ってみたい人はダウンロードしてみてください。
完成データはこちらになります。