
京媒大数据分析吉林:琼斯绝对核心 篮板联盟第2
用大数据来分析吉林队,无论是助攻数,出手次数都证明了琼斯是吉林队唯一的核心。而常规赛篮板数排名第二,也证明了球队拼抢篮板的积极性。
明天,CBA淘汰赛将拉开大幕。北京首钢男篮1/4决赛首战将在客场吉林展开。吉林队是一支怎样的球队呢?我们不妨从他们常规赛的数据来一探究竟。
内线怪兽:鲍勒斯
吉林队之所以在篮板球上高居联盟第二,并不仅仅是外援中锋鲍勒斯一人的贡献。他的篮板数排联盟第14位,更可怕的是全队都能积极抢篮板——琼斯篮板排联盟第22,钟诚排第35,马丹利排第36。在抢篮板方面,北京队要向对手学习。
危险人物:琼斯
琼斯是吉林队的绝对核心,是决定胜负的唯一人选。他常规赛总得分1415分,排所有球员的第二位,场均37.2分排第三位。三分球共命中133个,排联盟第七,场均3.5个。琼斯三分命中率只有33%,可以说,他并不是一个以三分为特长的球员。他命中363个两分球,命中率高达58.27%,琼斯即有身体又有技术,进攻以突破、中投为主。
实际上,琼斯是一位全面型的球员。他以317次助攻成为联盟助攻王,场均8.3次,吉林队内的第二助攻手为内线球员钟诚,共99次,和琼斯也有相当远的距离。由此可见,琼斯是吉林队的绝对核心,大部分时间由他来掌控球,组织进攻。此外,琼斯以103次抢断,排联盟抢断榜第三;他的篮板球排联盟第22位,队内居第二。
三分射手:马丹利
在得分方面,除了琼斯是第一得分手,中锋鲍勒斯常规赛总得分850分,排联盟第20位,亚洲外援马丹利总得分746分,排联盟第25。在进攻中,马丹利更多的是扮演外线投手的角色,他命中141个三分,排联盟第五,命中率高达40.06%,此项数据上他高于琼斯,为吉林队内第二。此外,马丹利的特点是抢断,他72次抢断排联盟第10。
琼斯的技术特点是以突破为主,是个造犯规的高手。常规赛他共罚球392次,排名联盟第三,罚中290球,排第四。
琼斯的罚球命中率只有73.98%,在罚球榜前10球员中命中率排第9。他并不是罚球准的球员,在罚球这一项上丢了不少分。在这一项上,前10球员中最差的是北京队的莫里斯,他的罚球命中率只有68.29%。
X因素:本土三分手
常规赛吉林队本土球员的总得分为1382分,还比不上琼斯一人。琼斯的得分占全队的32%,三外援得分占全队总得分的68.5%。除三外援,吉林队内的第四得分点是崔晋铭,他是常规赛唯一场均得分上双的本土球员。他的特点是三分球,常规赛共命中55个三分,命中率高达41.67%,为队内三分“最准”的球员。因此,北京队防守时不能给他空位三分的机会。
北京与吉林两队在CBA联赛中一共交手42次,北京队以22胜20负稍占上风。自2010至2011赛季之后,两队交手10次,北京队8胜2负。而最近的两个赛季,两队共交手4次,北京队保持全胜,其中包括本赛季常规赛阶段主客场双杀对手。
2014年11月14日,常规赛第6轮,北京队在客场以111比92战胜吉林。北京队主要的球队数据全面占优,其中包括篮板球。尽管对手的罚球数多出15次,但罚球命中率只有60.61%,失分不少,罚球正是吉林队的弱点。这场比赛,琼斯得到24分,中投命中率41.18%,三分只进一个,命中率为16.67%,送出5次助攻,各项数据都低于他的平均水平。
2014年12月28日主场,北京队在主场以124比121险胜吉林。琼斯当场得到45分,中投命中率59.09%,远投命中率22.22%,罚球命中率76.47%。琼斯明显加强了攻击性,全场他出手31次,得到17次罚球机会。值得一提的是,罚球数吉林队依然高于北京队,多出主队9次。除了三外援,本土得分手崔晋铭拿到12分,三分球5投2中,使北京队的胜利增加了难度。
球队 篮板排第二
吉林队本赛季场均得115.6分,排在联盟第三位,落后于广东和浙江。本项数据,北京队排在第11位。吉林队场均46个篮板,排在联盟第二位,第一名为上海男篮。本项数据,北京队仅列第13位。吉林队场均22次犯规,在联盟中排名倒数第三。相反,北京队排在正数第4位,作为卫冕冠军,北京队被裁判员盯得更紧。吉林队场均19.7次助攻,排在联盟第三,北京队排第四。前两位的是广东和辽宁。
个人 琼斯是老大
从出手次数方面不难发现,吉林队不仅是三外援的球队,更是琼斯的球队。琼斯总出手1026次,在联赛中排名第二,场均出手27次。他的总投篮命中率为48.34%,命中率在前10球员中只排第8位。此外,鲍勒斯出手604次,命中率60.6%。马丹利出手597次,命中率45.9%。在分享球权方面,琼斯绝对是老大,马丹利、鲍勒斯地位相当,不过是在位置上一内一外。其他吉林队球员总出手次数未进联盟前50。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12