这事儿还得从那天晚上说起,我跟朋友喝酒，他突然问我：“你说2016年那届新秀，到底值不值？”我当时愣住了，因为作为一个篮球迷加码农，我脑子里第一反应居然是——写个爬虫去拉数据。
结果真写了。用Go语言，不是因为它多优雅，就是快，简单粗暴，我抓了NBA官方和Basketball-Reference的选秀数据，然后就着这些数字，我想聊聊2016年那届选秀，到底有多诡异，多有意思。
2016年选秀：二轮秀比状元还香的一年
先直接看数据,我用Go写了个小脚本，跑出来的统计结果长这样：
2016届新秀生涯PER效率值前十（截至2024赛季）
| 球员 | 选秀顺位 | 生涯PER | 全明星次数 |
|---|---|---|---|
| 尼古拉·约基奇 | 第41顺位 | 8 | 5 |
| 贾马尔·穆雷 | 第7顺位 | 2 | 1 |
| 巴迪·希尔德 | 第6顺位 | 8 | 0 |
| 帕斯卡尔·西亚卡姆 | 第27顺位 | 5 | 2 |
| 马尔科姆·布罗格登 | 第36顺位 | 2 | 1 |
| 多曼塔斯·萨博尼斯 | 第11顺位 | 9 | 3 |
| 布兰登·英格拉姆 | 第2顺位 | 8 | 1 |
| 杰伦·布朗 | 第3顺位 | 1 | 3 |
| 德章泰·穆雷 | 第29顺位 | 3 | 1 |
| 本·西蒙斯 | 第1顺位 | 9 | 3 |
看到没？状元本·西蒙斯 PER 15.9，而二轮秀约基奇 26.8，足足高了10.9个点，这差距，怎么说呢，就像你花了几百万买了个顶配电脑，结果发现隔壁小年轻从垃圾堆捡了个零件组装的东西，跑分是你三倍。
为什么我选Go来写这个分析
聊回技术,我本来可以用Python的，pandas一把梭多舒服，但我偏要用Golang写，原因有三：
- 并发抓数据快，我要从两个网站分别拉新秀数据、生涯数据、荣誉数据，go routine一开，十个协程并行跑，三分钟搞定所有。
- 静态类型省心，球员名字、顺位、PER值、选秀年份，这些字段我定义了struct，编译期就检查完了，不会出现运行时字段写错的情况。
- 部署就一个二进制文件，写完了编译一下，发到linode服务器上，一行命令跑起来，连依赖都不用装。
代码大概长这样（简化版）：
type DraftPick struct {
PlayerName string
PickNumber int
PER float64
AllStar int
}
然后我就拿着这些数据,开始琢磨：这届新秀到底怎么评价？
深度分析：2016年选秀的三大奇葩现象
前五顺位翻车率惊人
本·西蒙斯（状元）、布兰登·英格拉姆（榜眼）、杰伦·布朗（探花）——这三个人其实都不算水，西蒙斯有三届全明星，英格拉姆有一届，布朗有三届，但问题在于他们的顺位期望值太高了。
特别是状元西蒙斯，一个不会投篮的控卫，硬生生把自己从“下一个詹姆斯”折腾成了“本世纪最争议状元”。
我用Go算了一下前五顺位的总PER值,再跟后面随便挑五个二轮秀比——你猜怎么着？二轮秀总和完胜，约基奇一个人就拉高了整个二轮秀的平均值。
二轮秀逆袭成历史级超巨
尼古拉·约基奇，第41顺位。 这人在选秀夜在干嘛？他在家吃垃圾食品，被通知选中时还一脸懵，结果呢？两届MVP，一届总冠军，一次FMVP，按历史排名，他已经是中锋位置前五的存在。
我用Go统计了一个数据：2016届所有球员的总胜利贡献值（WS）前十里，有四个是二轮秀或首轮末段：
- 约基奇（41顺位）
- 西亚卡姆（27顺位）
- 布罗格登（36顺位）
- 德章泰·穆雷（29顺位）
为什么这么多遗珠？
我后来查了当时的球探报告,约基奇被看轻，理由特别荒谬：他运动能力差、跳不起来、跑得不快，但NBA是比谁跑得快吗？是比谁把球放进篮筐的本事大啊。
西亚卡姆同理,从非洲来的，大学打NCAA二级联盟，球探根本不正眼瞧，结果人家练出了持球攻，拿了最快进步球员，跟卡哇伊一起拿了冠军。
周琦：中国球迷最纠结的一个名字
2016年第43顺位，休斯顿火箭选中了周琦。
我拿Go跑数据的时候,特别把他的数据标红了，场均6.5分钟，1.3分，1.2篮板——看数字确实惨，但如果你仔细看他的真实命中率和护框效率，其实在有限的出场时间里，他是个合格的防守者。
我写了个函数计算他的每36分钟数据：
func per36(minutes float64, points float64) float64 {
return points / minutes * 36
}
周琦每36分钟护框次数接近3次,盖帽率高达4.2%，这数字在2016届新秀里能排前五。
可惜伤病、语言、文化，加上适应性问题，他始终没能把训练场上的天赋带到正式比赛，挺难过的，我写这部分的时候，心里有点堵。
实践一下：用Go复现我的分析流程
如果你也想自己跑一遍2016年选秀的数据,我大概说下步骤：
- 从Basketball-Reference抓取2016届所有球员的生涯数据。
- 用Go的
encoding/csv包整理成CSV。 - 写个排序函数按PER值排序。
- 输出前十名。
核心代码也就二三十行,相比NBA那帮球探动不动就用Excel拉几百行数据，Go版本跑一次也就0.3秒。
一点私人的感受
写这篇文章的时候,我把2016年选秀夜的录像又看了一遍，富尔茨被选中时笑得多灿烂，现在在魔术板凳上蹉跎岁月，西蒙斯跟76人闹掰了，现在在篮网打球像打卡上班，英格拉姆在鹈鹕独木难支，杰伦·布朗倒是熬出来了，拿了东决MVP。
而约基奇,那时候坐在家里，穿着宽松T恤，接到电话“你被选中了”，他妈妈在旁边哭了。
选秀这玩意儿，真的是运气 + 球探眼光 + 球员本人的命。
我写这个Go程序的时候,其实就一个想法：数据不会骗人，但数据也解释不了所有，你再精准的分析，也预测不了约基奇会拿MVP，更预测不了西亚卡姆从非洲小子变成冠军前锋。
2016年这届选秀，就像一场实验：它证明了状元可能是水货，二轮秀可能当历史级超巨。
我用Go跑完了数据,关掉了终端，发呆了很久，然后决定把这篇文章写下来，不为别的，就为那些在选秀夜被低估的人，还有那些用代码试图理解篮球世界的我这种人吧。
本文来自作者[kyadmin]投稿，不代表ac米兰官网立场，如若转载，请注明出处：http://www.milanomuse.com/nba/1282.html
评论列表（4条）
我是ac米兰官网的签约作者“kyadmin”！
希望本篇文章《从戈贝尔到周琦，NBA16年选秀的奇葩与惊喜，我用Go语言写了个分析程序》能对你有所帮助！
本站[ac米兰官网]内容主要涵盖：AC米兰,ac米兰中文,AC米兰官网
本文概览：这事儿还得从那天晚上说起,我跟朋友喝酒，他突然问我：“你说2016年那届新秀，到底值不值？”我当时愣住了，因为作为一个篮球迷加码农，我脑...