MLBデータの可視化

メジャーリーグを見ていると、Google Cloud提供のStatcastというデータを使った解析がよく行われている。Statcastは、MLBの試合中に選手やボールの動きを追跡するためのシステムで、打球速度や打球角度、投球速度などの様々なデータを収集しているらしい。 そしてStatcastのデータはBaseball Savantというサイトで全世界に公開されている。 データ分析を生業にするものとして、そして一野球ファンとして、ぜひともこのデータを触ってみたいと思い、Pythonのpybaseballというライブラリを使ってStatcastのデータを取得・可視化を行ってみた。 内容としてはほとんどpybaseballの使い方みたいな感じではある。

ライブラリの準備

pybaseballはpip installでインストールできる。

pip install pybaseball

分析を始めるにあたって、必要なライブラリをインポートしておく。

import pybaseball
from pybaseball import statcast
from pybaseball import playerid_lookup
import plotly.graph_objects as go
import polars as pl

pybaseball.cache.enable() # cacheを有効にしておこう。

実際にStatcastのデータを取得してみる。 ここでは2024年のレギュラーシーズンのデータを取得することにする。

# 2024年レギュラーシーズンを取得
_df = statcast(start_dt="2024-03-01", end_dt="2024-09-30")
df = (
    pl.DataFrame(_df)
    .filter(pl.col("game_type") == "R") # filter for regular season games
    .with_columns(pl.col("game_date").cast(pl.Date)) # cast game_date to Date type
    .with_columns((pl.col("game_date").dt.strftime("%Y-%m-%d")+", "+pl.col("away_team")+" vs "+pl.col("home_team")+", "+pl.col("des")).alias("des_with_date")) # combine game_date and des into a new column
)

	pitch_type	game_date	release_speed	release_pos_x	release_pos_z	player_name	batter	pitcher	events	description	spin_dir	spin_rate_deprecated	break_angle_deprecated	break_length_deprecated	zone	des	game_type	stand	p_throws	home_team	away_team	type	hit_location	bb_type	balls	strikes	game_year	pfx_x	pfx_z	plate_x	plate_z	on_3b	on_2b	on_1b	outs_when_up	inning	inning_topbot	hc_x	hc_y	tfs_deprecated	tfs_zulu_deprecated	umpire	sv_id	vx0	vy0	vz0	ax	ay	az	sz_top	sz_bot	hit_distance_sc	launch_speed	launch_angle	effective_speed	release_spin_rate	release_extension	game_pk	fielder_2	fielder_3	fielder_4	fielder_5	fielder_6	fielder_7	fielder_8	fielder_9	release_pos_y	estimated_ba_using_speedangle	estimated_woba_using_speedangle	woba_value	woba_denom	babip_value	iso_value	launch_speed_angle	at_bat_number	pitch_number	pitch_name	home_score	away_score	bat_score	fld_score	post_away_score	post_home_score	post_bat_score	post_fld_score	if_fielding_alignment	of_fielding_alignment	spin_axis	delta_home_win_exp	delta_run_exp	bat_speed	swing_length	estimated_slg_using_speedangle	delta_pitcher_run_exp	hyper_speed	home_score_diff	bat_score_diff	home_win_exp	bat_win_exp	age_pit_legacy	age_bat_legacy	age_pit	age_bat	n_thruorder_pitcher	n_priorpa_thisgame_player_at_bat	pitcher_days_since_prev_game	batter_days_since_prev_game	pitcher_days_until_next_game	batter_days_until_next_game	api_break_z_with_gravity	api_break_x_arm	api_break_x_batter_in	arm_angle	des_with_date
0	FF	2024-09-30 00:00:00	97.4	-2.1	4.88	Díaz, Edwin	518595	621242	field_out	hit_into_play	nan	nan	nan	nan	3	Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.	R	R	R	ATL	NYM	X	6	ground_ball	2	2	2024	-0.96	0.99	0.67	3	nan	642201	nan	2	9	Bot	112.78	146.97	nan	nan	nan	nan	9.89341	-141.549	-1.85711	-15.1483	30.4239	-18.5447	3.43	1.54	5	87.6	-30	99.9	2196	7.6	747139	682626	624413	657193	578428	596019	607043	621438	516782	52.91	0.049	0.052	0	1	0	0	2	82	5	4-Seam Fastball	7	8	7	8	8	7	7	8	Standard	Strategic	232	-0.142	-0.248	68.8	7.3	0.059	0.248	88	-1	-1	0.142	0.142	30	35	30	35	1	4	1	1	3	1	1.4	0.96	0.96	17.6	2024-09-30, NYM vs ATL, Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.
1	SL	2024-09-30 00:00:00	90.7	-2.14	5.06	Díaz, Edwin	518595	621242		ball	nan	nan	nan	nan	14	Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.	R	R	R	ATL	NYM	B	nan		1	2	2024	0.2	0.61	0.75	1.2	nan	642201	nan	2	9	Bot	nan	nan	nan	nan	nan	nan	6.95286	-131.971	-5.15984	1.01261	25.1038	-24.2244	3.47	1.52	nan	nan	nan	92.9	2209	7.3	747139	682626	624413	657193	578428	596019	607043	621438	516782	53.15	nan	nan	nan	nan	nan	nan	nan	82	4	Slider	7	8	7	8	8	7	7	8	Standard	Strategic	201	0	0.037	nan	nan	nan	-0.037	nan	-1	-1	0.142	0.142	30	35	30	35	1	4	1	1	3	1	2.14	-0.2	-0.2	23.1	2024-09-30, NYM vs ATL, Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.
2	SL	2024-09-30 00:00:00	91.1	-2.07	5.14	Díaz, Edwin	518595	621242		swinging_strike	nan	nan	nan	nan	9	Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.	R	R	R	ATL	NYM	S	nan		1	1	2024	0.12	0.35	0.66	1.61	nan	642201	nan	2	9	Bot	nan	nan	nan	nan	nan	nan	6.7576	-132.671	-3.85718	0.114032	25.1083	-27.4434	3.43	1.54	nan	nan	nan	93.5	2302	7.4	747139	682626	624413	657193	578428	596019	607043	621438	516782	53.08	nan	nan	nan	nan	nan	nan	nan	82	3	Slider	7	8	7	8	8	7	7	8	Standard	Strategic	210	0	-0.06	71.2	8.9	nan	0.06	nan	-1	-1	0.142	0.142	30	35	30	35	1	4	1	1	3	1	2.37	-0.12	-0.12	22.4	2024-09-30, NYM vs ATL, Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.
3	SL	2024-09-30 00:00:00	91.3	-2.05	5.07	Díaz, Edwin	518595	621242		ball	nan	nan	nan	nan	14	Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.	R	R	R	ATL	NYM	B	nan		0	1	2024	0.21	0.63	0.61	1.18	nan	642201	nan	2	9	Bot	nan	nan	nan	nan	nan	nan	6.38551	-132.827	-5.39777	1.18125	26.3297	-23.8177	3.47	1.54	nan	nan	nan	93.5	2227	7.4	747139	682626	624413	657193	578428	596019	607043	621438	516782	53.07	nan	nan	nan	nan	nan	nan	nan	82	2	Slider	7	8	7	8	8	7	7	8	Standard	Strategic	212	0	0.012	nan	nan	nan	-0.012	nan	-1	-1	0.142	0.142	30	35	30	35	1	4	1	1	3	1	2.09	-0.21	-0.21	22.4	2024-09-30, NYM vs ATL, Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.
4	SL	2024-09-30 00:00:00	89.1	-2.13	5.15	Díaz, Edwin	518595	621242		swinging_strike	nan	nan	nan	nan	14	Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.	R	R	R	ATL	NYM	S	nan		0	0	2024	0.17	0.66	1.36	1.78	nan	642201	nan	2	9	Bot	nan	nan	nan	nan	nan	nan	8.39601	-129.602	-3.73422	0.31946	25.3824	-24.1466	3.43	1.54	nan	nan	nan	91.2	2160	7.4	747139	682626	624413	657193	578428	596019	607043	621438	516782	53.08	nan	nan	nan	nan	nan	nan	nan	82	1	Slider	7	8	7	8	8	7	7	8	Standard	Standard	216	0	-0.04	71.7	9	nan	0.04	nan	-1	-1	0.142	0.142	30	35	30	35	1	4	1	1	3	1	2.2	-0.17	-0.17	20.2	2024-09-30, NYM vs ATL, Travis d'Arnaud grounds out, shortstop Francisco Lindor to first baseman Pete Alonso.

プレイヤーの情報抽出

playerid_lookupを使って選手の情報を取得することができる。選手の名前やチーム名、ポジションなどの情報を取得することができる。

dict_player_id = {
    "Shohei Ohtani": playerid_lookup("ohtani", "shohei")["key_mlbam"].values[0],
    "Aaron Judge": playerid_lookup("judge", "aaron")["key_mlbam"].values[0],
}

例えば2024年シーズンの大谷選手のホームラン数は次のように計算できる。

# 2024年ホームラン数
len(df.filter(pl.col("batter") == dict_player_id["Shohei Ohtani"], pl.col("events") == "home_run")) # 54

メジャー全体ではジャッジ選手のホームランが一番多かった。ジャッジ選手と大谷選手のホームラン数のシーズン内での推移を見たければ次のようにすればよい。

fig = go.Figure()
for player_name, player_id in dict_player_id.items():
    df_player = (
        df.filter(pl.col("batter") == player_id, pl.col("events") == "home_run")
        .group_by("game_date").agg(pl.len(), pl.col("des_with_date").first())
        .sort("game_date")
        .with_columns(pl.col("len").cum_sum())
        .select(pl.col("game_date").append(pl.lit("2024-03-20")), pl.col("len").append(pl.lit(0)), pl.col("des_with_date").append(None))
        .select(pl.col("game_date").append(pl.lit("2024-09-30")), pl.col("len").append(pl.col("len").max()), pl.col("des_with_date").append(None))
        .sort("game_date")
    )
    fig.add_trace(
        go.Scatter(
            x=df_player["game_date"],
            y=df_player["len"],
            mode='lines',
            line={"shape": 'hv'},
            name=player_name,
            text=df_player["des_with_date"],
        )
    )
fig.update_layout(
    title='Ohtani vs Judge HR (2024)',
    xaxis_title='Date',
    yaxis_title='Cumulative Home Runs',
    xaxis_range=["2024-03-20", "2024-09-30"],
    yaxis_range=[0, 60],
)
fig.show()

Barrel Zoneについて

メジャーの中継を聞いているとBarrel Zoneという言葉をよく耳にする。Barrel Zoneとは、打球の角度と速度の組み合わせで、打球がホームランになる確率が高いゾーンのことを指す。 Barrel Zoneに関するデータもStatcast内に含まれているので、ホームランとの関係性についても調べてみることにした。

はじめに2024年シーズンのすべての打席について打球速度・打球角度とそれがBarrel Zoneに入っているかどうかを可視化しよう。

# https://baseballsavant.mlb.com/csv-docs
dict_launch_speed_angle = {1: "Weak", 2: "Topped", 3: "Under", 4: "Flare/Burner", 5: "Solid Contact", 6: "Barrel"}

# 打球速度と打球角度の分布、そしてその区分について
fig = go.Figure()
for launch_speed_angle_id, launch_speed_angle_name in dict_launch_speed_angle.items():
    df_launch_speed_angle = (
        df.filter(pl.col("launch_speed_angle") == launch_speed_angle_id)
        .group_by("launch_speed", "launch_angle").agg(pl.len(), pl.col("des_with_date").first())
    )
    fig.add_trace(
        go.Scattergl(
            x=df_launch_speed_angle["launch_speed"],
            y=df_launch_speed_angle["launch_angle"],
            mode='markers',
            name=launch_speed_angle_name,
            marker=dict(size=3),
            text=df_launch_speed_angle["des_with_date"],
        )
    )
fig.update_layout(
    title='Launch Speed vs Launch Angle (2024)',
    xaxis_title='Launch Speed (mph)',
    yaxis_title='Launch Angle (degree)',
)
fig.show()

次に、Barrel Zoneに入っている打球のうち、ホームランになったものとならなかったものを分けて可視化してみる。

# Barrel zone vs Home Run比較
# Barrel and Home Run, Barrel and Non-Home Run, Non-Barrel and Home Run, Non-Barrel and Non-Home Runのプロットをする
fig = go.Figure()
# Barrel and Home Run
df_barrel_home_run = (
    df.filter(pl.col("events") == "home_run", pl.col("launch_speed_angle") == 6)
    .group_by("launch_speed", "launch_angle").agg(pl.len(), pl.col("des_with_date").first())
)
fig.add_trace(
    go.Scattergl(
        x=df_barrel_home_run["launch_speed"],
        y=df_barrel_home_run["launch_angle"],
        mode='markers',
        name='Barrel and Home Run',
        marker=dict(size=3),
        text=df_barrel_home_run["des_with_date"],
    )
)
# Barrel and Non-Home Run
df_barrel_non_home_run = (
    df.filter(pl.col("events") != "home_run", pl.col("launch_speed_angle") == 6)
    .group_by("launch_speed", "launch_angle").agg(pl.len(), pl.col("des_with_date").first())
)
fig.add_trace(
    go.Scattergl(
        x=df_barrel_non_home_run["launch_speed"],
        y=df_barrel_non_home_run["launch_angle"],
        mode='markers',
        name='Barrel and Non-Home Run',
        marker=dict(size=3),
        text=df_barrel_non_home_run["des_with_date"],
    )
)
# Non-Barrel and Home Run
df_non_barrel_home_run = (
    df.filter(pl.col("events") == "home_run", pl.col("launch_speed_angle") != 6)
    .group_by("launch_speed", "launch_angle").agg(pl.len(), pl.col("des_with_date").first())
)
fig.add_trace(
    go.Scattergl(
        x=df_non_barrel_home_run["launch_speed"],
        y=df_non_barrel_home_run["launch_angle"],
        mode='markers',
        name='Non-Barrel and Home Run',
        marker=dict(size=3),
        text=df_non_barrel_home_run["des_with_date"],
    )
)
# Non-Barrel and Non-Home Run
df_non_barrel_non_home_run = (
    df.filter(pl.col("events") != "home_run", pl.col("launch_speed_angle") != 6)
    .group_by("launch_speed", "launch_angle").agg(pl.len(), pl.col("des_with_date").first())
)
fig.add_trace(
    go.Scattergl(
        x=df_non_barrel_non_home_run["launch_speed"],
        y=df_non_barrel_non_home_run["launch_angle"],
        mode='markers',
        name='Non-Barrel and Non-Home Run',
        marker=dict(size=1, color="gray", opacity=0.5),
        text=df_non_barrel_non_home_run["des_with_date"],
    )
)
fig.update_layout(
    title='Barrel Zone and Home Run Relation (2024)',
    xaxis_title='Launch Speed (mph)',
    yaxis_title='Launch Angle (degree)',
)

fig.show()

これを見ていると、Barrel Zoneに入っている打球はホームランになる確率が高いことがわかる。また、Barrel Zoneの中でも特に打球速度が大きいものを打った選手を見ていると、ジャッジ選手と大谷選手が目立つ。さすがと言わざるを得ない。 また、Barrel Zoneに入っていて、しかもかなり打球速度・角度ともに良いところにあるのにも関わらずホームランになっていないものも見受けられる。その一つが、

• 2024年8月5日、PHIvsLADでの大谷選手の打球（打球速度113.1mph、打球角度47度）

である。この打球を実際に見てみるとこんな感じ。少し上がり過ぎたか風に押し戻されたのかも。滞空時間はかなり長いことが分かる。

一方で全然Barrel Zoneに入っていないのにホームランになったものもある。これも一つ見てみると、

• 2024年4月8日、MILvsCINでのデラクルーズ選手の打球（打球速度86.5mph、打球角度21度）

である。この打席を詳しく見るとデラクルーズ選手のランニングホームランだったことが分かる。さすがの韋駄天ぷりがこうしたデータに反映されていて面白い。