2020-2021 NBA 정규 시즌 분석 - LA 클리퍼스 폴 조지(Paul George) #1

2020-2021 시즌 플레이오프에서 슈퍼 에이스 카와이 레너드가 빠진 LA 클리퍼스를 이끌고 콘퍼런스 파이널까지 이끈 폴 조지에 대해 이번 포스팅을 시작으로 분석해보고자 한다. 그동안 플레이오프에서 부진하면서 "Pandemic P"라는 조롱까지 들었던 폴 조지는 이번 플레이오프 시즌 완벽한 활약으로 다시 한번 평가를 받는 계기가 되었다. 다음 시즌 카와이 레너드가 없는 LA 클리퍼스를 혼자 이끌어야 되기 때문에 폴 조지가 어떤 능력을 가진 선수인지 데이터로 한번 검증하도록 하겠다.

 

이번 포스팅에서 활용할 데이터는 basketball-reference와 nba-api에서 가져오도록 하겠다.

 

 

 

1. 2020-2021 NBA 정규 시즌 폴 조지 야투 데이터 

우선 정규 시즌 경기별 득점 수 그리고 야투율을 확인해보도록 하겠다. 

 

어느 정도 예상을 했지만 역시나였다. 폴 조지는 림 공략보다는 먼 거리 야투 위주의 선수이기 때문에 어느 정도 야투 기복이 있을 것으로 예상했지만 이 정도 일 줄은 몰랐다. 아래 득점이나 야투 효율 그래프를 보면 알 수 있듯이 그래프 널뛰기가 굉장히 심하다. 한 경기를 잘하면 다음 경기 야투율이 굉장히 낮아지는 전형적인 기복이 있는 슈터의 모습을 보이고 있다. 다음 시즌 팀 1 옵션을 책임져야 하는 선수치고는 기복이 굉장히 심한 점을 확인할 수 있다.

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
%config InlineBackend.figure_format='retina'
from basketball_reference_web_scraper import client

df=pd.DataFrame(client.regular_season_player_box_scores(
    player_identifier="georgpa01", 
    season_end_year=2021
))
df['game date']=df['date'].apply(lambda x:str(x.month)+'-'+str(x.day))
df['FG%']=df['made_field_goals']/df['attempted_field_goals']

plt.rcParams["font.family"] = 'Malgun Gothic'
plt.rcParams["font.size"] = 12
plt.figure(figsize=(20,8))

plt.plot(df['game date'],df['points_scored'])
for x,y in enumerate(list(df['points_scored'])):
    plt.text(x, y, y, fontsize=11, color='#ff0000', 
                    horizontalalignment='center', verticalalignment='bottom')
    
plt.title('2020-2021 정규 시즌 폴 조지 득점 포인트')
plt.xticks(rotation=45)
plt.show()

plt.rcParams["font.family"] = 'Malgun Gothic'
plt.rcParams["font.size"] = 12
plt.figure(figsize=(20,8))

plt.plot(df['game date'],df['FG%'])
for x,y in enumerate(list(df['FG%'])):
    plt.text(x,y, '{:.2f}%'.format(y*100), fontsize=11, color='#ff0000', 
                    horizontalalignment='center', verticalalignment='bottom')
    
plt.title('2020-2021 정규 시즌 폴 조지 야투율')
plt.xticks(rotation=45)
plt.show()

 

2. 위치별 야투 성공률

다음으로는 위치별 야투 데이터를 확인해보도록 하겠다. 어느 위치에서 야투 시도가 가장 많았는지 성공률이 높았는지 알아보겠다.

 

전체 야투 시도 중 약 42%가 3점 야투로 3점 비중이 굉장히 높은 선수다. 제한 구역에서의 야투가 22%에 불과한 점을 감안한다면 폴 조지는 포워드 선수치고 림공략이 굉장히 낮은 점을 확인할 수 있다. 3점 기반의 슈터이다 보니 기복이 심할 수밖에 없을 것 같다. 

 

from nba_api.stats.static import players
import pandas as pd
from nba_api.stats.endpoints import playerdashboardbyshootingsplits

nba_players=players.get_players()
name=[]
ids=[]

for i in nba_players:
    if i['is_active']== True:
        name.append(i['full_name'])
        ids.append(i['id'])
dff=pd.DataFrame([name,ids]).T
dff.columns=['name','id']     
dff['name']=dff['name'].apply(lambda x:x.lower())
pg=dff.query('name=="paul george"')['id'].values[0]

data=playerdashboardbyshootingsplits.PlayerDashboardByShootingSplits(player_id=pg,season_type_playoffs="Regular Season")
shooting=data.nba_response.get_data_sets()

pg_shot_area=pd.DataFrame(columns=shooting['ShotAreaPlayerDashboard']['headers'])
for i in range(len(shooting['ShotAreaPlayerDashboard']['data'])):
    pg_shot_area.loc[i]=shooting['ShotAreaPlayerDashboard']['data'][i]
pg_shot_area=pg_shot_area.drop(['GROUP_SET'],axis=1)[['FGM','FGA','FG_PCT']]

import plotly.express as px

fig = px.pie(pg_shot_area, values='FGA', names='GROUP_VALUE', title='Number of Shots Attempted per area by Paul George')
fig.show()

 

위치별 야투 성공률을 보면 오른쪽 코너 3에서의 성공률 60%로 가장 높은 점을 확인할 수 있다. 하지만 시도 횟수가 53개에 불과할 정도로 굉장히 낮다. 폴 조지가 만약 기복을 줄이고 싶다면 3점 코너에서의 3점 시도를 조금 더 늘릴 필요가 있지 않을까 싶다. 그리고 제한 구역에서도 충분히 좋은 효율을 보여주는 선수인데 왜 이렇게 림 공략에 소극적인지 모르겠다. 다음 시즌에는 림 공략을 적극적으로 노릴 필요가 있을 것으로 보인다.

 

fig = px.bar(pg_shot_area, x='GROUP_VALUE', y='FG_PCT',text="FG_PCT",title='FG_PCT Per Shot Area' )
fig.update_traces(textposition='outside')
fig.show()

이번 포스팅은 이렇게 마무리하고 다음 포스팅에서 계속해서 폴 조지를 분석하는 내용으로 다시 찾아오겠다.