9、橄榄球数据分析：冲球表现与跑卫价值探讨

橄榄球数据分析：冲球表现与跑卫价值探讨

1. 回归分析写作要点

在撰写回归分析相关内容时，了解受众及其背景至关重要。不同的表达方式适用于不同的场景，例如“Notice from the coefficients…”这样的段落适合用于休闲博客，但不适用于同行评审的体育期刊。而类似下面这样的表格，可能会包含在期刊文章中，更有可能作为技术报告或期刊文章的补充材料：
| Term | estimate | std.error | statistic | p.value | conf.low | conf.high |
| — | — | — | — | — | — | — |
| down3:ydstogo | -0.04 | 0.02 | -2.32 | 0.02 | -0.08 | -0.01 |
| down4:ydstogo | 0.23 | 0.09 | 2.57 | 0.01 | 0.05 | 0.41 |

2. 分析冲球超过预期值（RYOE）

2.1 Python 实现

首先，我们使用 Python 来创建 RYOE 总计、均值和每冲球码数的汇总表。具体步骤如下：
1. 按赛季、冲球者 ID 和冲球者进行分组。
2. 对“ryoe”列进行计数、求和和求均值操作，对“rushing_yards”列求均值。
3. 重命名列名。
4. 筛选出冲球次数超过 50 次的球员。
5. 按总 RYOE 降序排序。

ryoe_py = \
    pbp_py_run \
    .group