如何用R语言ggplot2对科比的投篮数据进行可视化展示，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
专注于为中小企业提供成都网站设计、网站建设服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业永安免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了上千余家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。
相信大部分球迷到现在也认为这是一个假新闻吧，Fake News!
今天的推文用到的数据来自kaggle ，推文的大部分内容是来自 https://www.kaggle.com/xvivancos/kobe-bryant-shot-selection/report
shots<-read.csv("Kobe/data.csv",header=T)
dim(shots)
数据集总共有25个变量，今天的推文重点关注的是
这里遇到一个疑问：为啥擦板也算一种投篮类型呢？有没有人知道呢？
df1<-data.frame(table(shots$combined_shot_type))
df1
library(ggplot2)
ggplot(df1,aes(x=reorder(Var1,Freq),y=Freq))+
geom_col(aes(fill=Var1))+
geom_label(aes(label=Freq))+
coord_flip()+
theme_bw()+
theme(axis.title = element_blank(),
axis.ticks.x=element_blank(),
axis.text.x = element_blank(),
legend.position = "none")
通过上图我们可以看出科比几乎所有的进攻都会选择跳投
出手距离划分为
这里一个小知识点是
feet 英尺；1英尺等于0.3048米 NBA三分线7.25米；23.9英尺
library(tidyverse)
library(cowplot)
p1<-ggplot(shots,aes(x=lon,y=lat))+
geom_point(aes(color=shot_zone_range),
show.legend = F)+
ylim(c(33.7,34.0883))+
theme_void()
p2<-ggplot(shots,aes(x=fct_infreq(shot_zone_range)))+
geom_bar(aes(fill=shot_zone_range),show.legend = F)+
theme_bw()+
labs(x=NULL,y=NULL)
plot_grid(p1,p2,ncol = 1,nrow = 2)
p3<-ggplot(shots,aes(x=lon,y=lat))+
geom_point(aes(color=shot_zone_area),show.legend = F)+
theme_void()+
ylim(c(33.7,34.0883))
p3
p4<-ggplot(shots,aes(x=fct_infreq(shot_zone_area)))+
geom_bar(aes(fill=shot_zone_area),show.legend = F)+
theme_bw()+
labs(x=NULL,y=NULL)+
theme(axis.text.x = element_text(angle=60,hjust=1))
p4
plot_grid(p3,p4,ncol = 1,nrow = 2)
从上图我们可以看出科比更喜欢面框进攻，其次是右侧，但是左右差别好像不大。
看完上述内容，你们掌握如何用R语言ggplot2对科比的投篮数据进行可视化展示的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
