京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13