NBA Regression Model

Predicts game scores and outcomes through regression

Collect Data


In [3]:
%timeit
#Imports python class for collecting schedule and stats from NBA website
from Schedule import Schedule
import pandas as pd

#season_14_15 = Schedule('14-15', '10/28/2014', '4/15/2015')
season_14_15 = Schedule('14-15', '12/27/2014', '4/15/2015')
season_14_15.games.to_csv('games_14_15.csv', index = False)
season_14_15.set_games(pd.read_csv('games_14_15.csv'))
season_14_15.games


Out[3]:
Game_ID Date Home Team Home ID Away Team Away ID Home Team Score Away Team Score Home EFG Home TOV ... Away ORB Away FTFGA Home Team Win h_dunk_made h_dunk_miss a_dunk_made a_dunk_miss h_dunk_score a_dunk_score h_dunk_win
0 21400443 2014-12-27 00:00:00 TOR 1610612761 LAC 1610612746 110 98 NaN NaN ... NaN NaN 1 2.0 1.0 0.0 0.0 1.0 0.0 1.0
1 21400444 2014-12-27 00:00:00 ORL 1610612753 CHA 1610612766 102 94 NaN NaN ... NaN NaN 1 5.0 1.0 1.0 0.0 4.0 1.0 1.0
2 21400445 2014-12-27 00:00:00 BOS 1610612738 WAS 1610612764 88 101 NaN NaN ... NaN NaN 0 3.0 0.0 1.0 0.0 3.0 1.0 1.0
3 21400446 2014-12-27 00:00:00 MEM 1610612763 MIA 1610612748 103 95 NaN NaN ... NaN NaN 1 2.0 1.0 3.0 0.0 1.0 3.0 0.0
4 21400447 2014-12-27 00:00:00 NOP 1610612740 CHI 1610612741 100 107 NaN NaN ... NaN NaN 0 1.0 0.0 0.0 0.0 1.0 0.0 1.0
5 21400448 2014-12-27 00:00:00 IND 1610612754 BKN 1610612751 110 85 NaN NaN ... NaN NaN 1 2.0 0.0 2.0 0.0 2.0 2.0 -1.0
6 21400449 2014-12-27 00:00:00 ATL 1610612737 MIL 1610612749 90 85 NaN NaN ... NaN NaN 1 1.0 0.0 1.0 0.0 1.0 1.0 -1.0
7 21400450 2014-12-27 00:00:00 PHI 1610612755 UTA 1610612762 71 88 NaN NaN ... NaN NaN 0 2.0 1.0 5.0 1.0 1.0 4.0 0.0
8 21400451 2014-12-27 00:00:00 NYK 1610612752 SAC 1610612758 129 135 NaN NaN ... NaN NaN 0 1.0 0.0 2.0 0.0 1.0 2.0 0.0
9 21400452 2014-12-27 00:00:00 MIN 1610612750 GSW 1610612744 97 110 NaN NaN ... NaN NaN 0 4.0 0.0 5.0 0.0 4.0 5.0 0.0
10 21400453 2014-12-28 00:00:00 DET 1610612765 CLE 1610612739 103 80 NaN NaN ... NaN NaN 1 2.0 0.0 3.0 0.0 2.0 3.0 0.0
11 21400454 2014-12-28 00:00:00 HOU 1610612745 SAS 1610612759 106 110 NaN NaN ... NaN NaN 0 2.0 0.0 3.0 0.0 2.0 3.0 0.0
12 21400455 2014-12-28 00:00:00 OKC 1610612760 DAL 1610612742 107 112 NaN NaN ... NaN NaN 0 2.0 0.0 0.0 0.0 2.0 0.0 1.0
13 21400456 2014-12-28 00:00:00 NYK 1610612752 POR 1610612757 79 101 NaN NaN ... NaN NaN 0 1.0 0.0 3.0 0.0 1.0 3.0 0.0
14 21400457 2014-12-28 00:00:00 TOR 1610612761 DEN 1610612743 116 102 NaN NaN ... NaN NaN 1 3.0 0.0 4.0 0.0 3.0 4.0 0.0
15 21400458 2014-12-28 00:00:00 PHX 1610612756 LAL 1610612747 116 107 NaN NaN ... NaN NaN 1 2.0 0.0 0.0 2.0 2.0 -2.0 1.0
16 21400459 2014-12-29 00:00:00 MIL 1610612749 CHA 1610612766 104 94 NaN NaN ... NaN NaN 1 1.0 0.0 2.0 0.0 1.0 2.0 0.0
17 21400460 2014-12-29 00:00:00 CHI 1610612741 IND 1610612754 92 90 NaN NaN ... NaN NaN 1 2.0 0.0 1.0 0.0 2.0 1.0 1.0
18 21400461 2014-12-29 00:00:00 SAC 1610612758 BKN 1610612751 99 107 NaN NaN ... NaN NaN 0 2.0 1.0 2.0 0.0 1.0 2.0 0.0
19 21400462 2014-12-29 00:00:00 ORL 1610612753 MIA 1610612748 102 101 NaN NaN ... NaN NaN 1 3.0 0.0 1.0 0.0 3.0 1.0 1.0
20 21400463 2014-12-29 00:00:00 WAS 1610612764 HOU 1610612745 104 103 NaN NaN ... NaN NaN 1 1.0 0.0 1.0 0.0 1.0 1.0 -1.0
21 21400464 2014-12-29 00:00:00 UTA 1610612762 LAC 1610612746 97 101 NaN NaN ... NaN NaN 0 2.0 0.0 1.0 0.0 2.0 1.0 1.0
22 21400465 2014-12-30 00:00:00 DET 1610612765 ORL 1610612753 109 86 NaN NaN ... NaN NaN 1 2.0 0.0 1.0 1.0 2.0 0.0 1.0
23 21400466 2014-12-30 00:00:00 CLE 1610612739 ATL 1610612737 101 109 NaN NaN ... NaN NaN 0 2.0 0.0 1.0 0.0 2.0 1.0 1.0
24 21400467 2014-12-30 00:00:00 BKN 1610612751 CHI 1610612741 96 82 NaN NaN ... NaN NaN 1 2.0 1.0 2.0 0.0 1.0 2.0 0.0
25 21400468 2014-12-30 00:00:00 SAS 1610612759 MEM 1610612763 87 95 NaN NaN ... NaN NaN 0 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
26 21400469 2014-12-30 00:00:00 PHX 1610612756 NOP 1610612740 106 110 NaN NaN ... NaN NaN 0 3.0 0.0 2.0 0.0 3.0 2.0 1.0
27 21400470 2014-12-30 00:00:00 WAS 1610612764 DAL 1610612742 87 114 NaN NaN ... NaN NaN 0 3.0 0.0 2.0 0.0 3.0 2.0 1.0
28 21400471 2014-12-30 00:00:00 LAL 1610612747 DEN 1610612743 111 103 NaN NaN ... NaN NaN 1 0.0 0.0 6.0 0.0 0.0 6.0 0.0
29 21400472 2014-12-30 00:00:00 MIN 1610612750 UTA 1610612762 94 100 NaN NaN ... NaN NaN 0 4.0 0.0 5.0 0.0 4.0 5.0 0.0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
759 21401201 2015-04-12 00:00:00 DAL 1610612742 LAL 1610612747 120 106 NaN NaN ... NaN NaN 1 8.0 1.0 4.0 0.0 7.0 4.0 1.0
760 21401202 2015-04-13 00:00:00 HOU 1610612745 CHA 1610612766 100 90 NaN NaN ... NaN NaN 1 3.0 0.0 4.0 0.0 3.0 4.0 0.0
761 21401203 2015-04-13 00:00:00 DET 1610612765 CLE 1610612739 97 109 NaN NaN ... NaN NaN 0 3.0 0.0 4.0 1.0 3.0 3.0 -1.0
762 21401204 2015-04-13 00:00:00 MIL 1610612749 PHI 1610612755 107 97 NaN NaN ... NaN NaN 1 5.0 0.0 3.0 1.0 5.0 2.0 1.0
763 21401205 2015-04-13 00:00:00 NYK 1610612752 ATL 1610612737 112 108 NaN NaN ... NaN NaN 1 0.0 0.0 1.0 0.0 0.0 1.0 0.0
764 21401206 2015-04-13 00:00:00 CHI 1610612741 BKN 1610612751 113 86 NaN NaN ... NaN NaN 1 7.0 0.0 0.0 0.0 7.0 0.0 1.0
765 21401207 2015-04-13 00:00:00 ORL 1610612753 MIA 1610612748 93 100 NaN NaN ... NaN NaN 0 1.0 1.0 5.0 0.0 0.0 5.0 0.0
766 21401208 2015-04-13 00:00:00 NOP 1610612740 MIN 1610612750 100 88 NaN NaN ... NaN NaN 1 5.0 0.0 2.0 1.0 5.0 1.0 1.0
767 21401209 2015-04-13 00:00:00 POR 1610612757 OKC 1610612760 90 101 NaN NaN ... NaN NaN 0 2.0 0.0 0.0 0.0 2.0 0.0 1.0
768 21401210 2015-04-13 00:00:00 DAL 1610612742 UTA 1610612762 92 109 NaN NaN ... NaN NaN 0 3.0 0.0 5.0 1.0 3.0 4.0 0.0
769 21401211 2015-04-13 00:00:00 LAL 1610612747 SAC 1610612758 92 102 NaN NaN ... NaN NaN 0 2.0 0.0 2.0 0.0 2.0 2.0 -1.0
770 21401212 2015-04-13 00:00:00 MEM 1610612763 GSW 1610612744 107 111 NaN NaN ... NaN NaN 0 2.0 0.0 0.0 1.0 2.0 -1.0 1.0
771 21401213 2015-04-13 00:00:00 DEN 1610612743 LAC 1610612746 103 110 NaN NaN ... NaN NaN 0 2.0 0.0 3.0 2.0 2.0 1.0 1.0
772 21401214 2015-04-14 00:00:00 TOR 1610612761 BOS 1610612738 93 95 NaN NaN ... NaN NaN 0 1.0 0.0 2.0 1.0 1.0 1.0 -1.0
773 21401215 2015-04-14 00:00:00 WAS 1610612764 IND 1610612754 95 99 NaN NaN ... NaN NaN 0 1.0 0.0 2.0 1.0 1.0 1.0 -1.0
774 21401216 2015-04-14 00:00:00 LAC 1610612746 PHX 1610612756 112 101 NaN NaN ... NaN NaN 1 3.0 0.0 2.0 0.0 3.0 2.0 1.0
775 21401228 2015-04-15 00:00:00 CHA 1610612766 TOR 1610612761 87 92 NaN NaN ... NaN NaN 0 1.0 0.0 2.0 0.0 1.0 2.0 0.0
776 21401217 2015-04-15 00:00:00 ATL 1610612737 CHI 1610612741 85 91 NaN NaN ... NaN NaN 0 0.0 0.0 2.0 0.0 0.0 2.0 0.0
777 21401218 2015-04-15 00:00:00 POR 1610612757 DAL 1610612742 98 114 NaN NaN ... NaN NaN 0 2.0 0.0 0.0 0.0 2.0 0.0 1.0
778 21401219 2015-04-15 00:00:00 UTA 1610612762 HOU 1610612745 91 117 NaN NaN ... NaN NaN 0 5.0 0.0 6.0 0.0 5.0 6.0 0.0
779 21401221 2015-04-15 00:00:00 BOS 1610612738 MIL 1610612749 105 100 NaN NaN ... NaN NaN 1 0.0 1.0 0.0 0.0 -1.0 0.0 0.0
780 21401222 2015-04-15 00:00:00 OKC 1610612760 MIN 1610612750 138 113 NaN NaN ... NaN NaN 1 1.0 0.0 5.0 1.0 1.0 4.0 0.0
781 21401223 2015-04-15 00:00:00 SAS 1610612759 NOP 1610612740 103 108 NaN NaN ... NaN NaN 0 2.0 0.0 3.0 0.0 2.0 3.0 0.0
782 21401224 2015-04-15 00:00:00 ORL 1610612753 BKN 1610612751 88 101 NaN NaN ... NaN NaN 0 1.0 0.0 2.0 0.0 1.0 2.0 0.0
783 21401225 2015-04-15 00:00:00 WAS 1610612764 CLE 1610612739 108 113 NaN NaN ... NaN NaN 0 1.0 1.0 3.0 0.0 0.0 3.0 0.0
784 21401226 2015-04-15 00:00:00 DET 1610612765 NYK 1610612752 112 90 NaN NaN ... NaN NaN 1 0.0 0.0 3.0 1.0 0.0 2.0 0.0
785 21401227 2015-04-15 00:00:00 MIA 1610612748 PHI 1610612755 105 101 NaN NaN ... NaN NaN 1 1.0 0.0 6.0 0.0 1.0 6.0 0.0
786 21401220 2015-04-15 00:00:00 IND 1610612754 MEM 1610612763 83 95 NaN NaN ... NaN NaN 0 2.0 0.0 1.0 1.0 2.0 0.0 1.0
787 21401229 2015-04-15 00:00:00 DEN 1610612743 GSW 1610612744 126 133 NaN NaN ... NaN NaN 0 0.0 0.0 3.0 0.0 0.0 3.0 0.0
788 21401230 2015-04-15 00:00:00 SAC 1610612758 LAL 1610612747 122 99 NaN NaN ... NaN NaN 1 5.0 0.0 1.0 0.0 5.0 1.0 1.0

789 rows × 24 columns


In [1]:
%timeit
#Imports python class for collecting schedule and stats from NBA website
from Schedule import Schedule
import pandas as pd

season_15_16 = Schedule('15-16', '3/1/2016', '4/13/2016')
#season_15_16 = Schedule('15-16', '1/1/2016', '4/13/2016')
#season_15_16 = Schedule('15-16', '12/26/2015', '4/13/2016')
season_15_16.games.to_csv('games_15_16.csv', index = False)
season_15_16.set_games(pd.read_csv('games_15_16.csv'))
season_15_16.games


//anaconda/lib/python2.7/site-packages/pandas/computation/__init__.py:19: UserWarning: The installed version of numexpr 2.4.4 is not supported in pandas and will be not be used

  UserWarning)
Out[1]:
Game_ID Date Home Team Home ID Away Team Away ID Home Team Score Away Team Score Home EFG Home TOV ... Away ORB Away FTFGA Home Team Win h_dunk_made h_dunk_miss a_dunk_made a_dunk_miss h_dunk_score a_dunk_score h_dunk_win
0 21500891 2016-03-01 00:00:00 PHX 1610612756 CHA 1610612766 92 126 NaN NaN ... NaN NaN 0 2.0 1.0 3.0 0.0 1.0 3.0 0.0
1 21500892 2016-03-01 00:00:00 CHI 1610612741 MIA 1610612748 111 129 NaN NaN ... NaN NaN 0 1.0 1.0 4.0 0.0 0.0 4.0 0.0
2 21500893 2016-03-01 00:00:00 POR 1610612757 NYK 1610612752 104 85 NaN NaN ... NaN NaN 1 2.0 0.0 0.0 0.0 2.0 0.0 1.0
3 21500894 2016-03-01 00:00:00 ORL 1610612753 DAL 1610612742 108 121 NaN NaN ... NaN NaN 0 2.0 0.0 1.0 0.0 2.0 1.0 1.0
4 21500895 2016-03-01 00:00:00 ATL 1610612737 GSW 1610612744 105 109 NaN NaN ... NaN NaN 0 0.0 0.0 2.0 0.0 0.0 2.0 0.0
5 21500896 2016-03-01 00:00:00 BKN 1610612751 LAL 1610612747 101 107 NaN NaN ... NaN NaN 0 2.0 0.0 1.0 1.0 2.0 0.0 1.0
6 21500897 2016-03-02 00:00:00 CHI 1610612741 ORL 1610612753 89 102 NaN NaN ... NaN NaN 0 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
7 21500898 2016-03-02 00:00:00 CHA 1610612766 PHI 1610612755 119 99 NaN NaN ... NaN NaN 1 0.0 0.0 2.0 0.0 0.0 2.0 0.0
8 21500899 2016-03-02 00:00:00 POR 1610612757 BOS 1610612738 93 116 NaN NaN ... NaN NaN 0 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
9 21500900 2016-03-02 00:00:00 UTA 1610612762 TOR 1610612761 94 104 NaN NaN ... NaN NaN 0 1.0 0.0 0.0 1.0 1.0 -1.0 1.0
10 21500901 2016-03-02 00:00:00 NOP 1610612740 HOU 1610612745 95 100 NaN NaN ... NaN NaN 0 0.0 0.0 1.0 0.0 0.0 1.0 0.0
11 21500902 2016-03-02 00:00:00 SAC 1610612758 MEM 1610612763 98 104 NaN NaN ... NaN NaN 0 1.0 0.0 3.0 0.0 1.0 3.0 0.0
12 21500903 2016-03-02 00:00:00 IND 1610612754 MIL 1610612749 104 99 NaN NaN ... NaN NaN 1 0.0 1.0 2.0 2.0 -1.0 0.0 0.0
13 21500904 2016-03-02 00:00:00 WAS 1610612764 MIN 1610612750 104 98 NaN NaN ... NaN NaN 1 2.0 0.0 0.0 0.0 2.0 0.0 1.0
14 21500905 2016-03-02 00:00:00 DET 1610612765 SAS 1610612759 81 97 NaN NaN ... NaN NaN 0 3.0 0.0 0.0 0.0 3.0 0.0 1.0
15 21500906 2016-03-02 00:00:00 LAL 1610612747 DEN 1610612743 107 117 NaN NaN ... NaN NaN 0 2.0 0.0 1.0 0.0 2.0 1.0 1.0
16 21500907 2016-03-02 00:00:00 OKC 1610612760 LAC 1610612746 98 103 NaN NaN ... NaN NaN 0 2.0 0.0 0.0 0.0 2.0 0.0 1.0
17 21500908 2016-03-03 00:00:00 PHX 1610612756 MIA 1610612748 92 108 NaN NaN ... NaN NaN 0 3.0 0.0 6.0 0.0 3.0 6.0 0.0
18 21500909 2016-03-03 00:00:00 SAS 1610612759 NOP 1610612740 94 86 NaN NaN ... NaN NaN 1 0.0 0.0 1.0 0.0 0.0 1.0 0.0
19 21500910 2016-03-03 00:00:00 SAC 1610612758 DAL 1610612742 104 101 NaN NaN ... NaN NaN 1 1.0 0.0 1.0 0.0 1.0 1.0 -1.0
20 21500911 2016-03-03 00:00:00 OKC 1610612760 GSW 1610612744 106 121 NaN NaN ... NaN NaN 0 1.0 0.0 0.0 0.0 1.0 0.0 1.0
21 21500912 2016-03-04 00:00:00 IND 1610612754 CHA 1610612766 101 108 NaN NaN ... NaN NaN 0 0.0 1.0 1.0 0.0 -1.0 1.0 0.0
22 21500913 2016-03-04 00:00:00 PHX 1610612756 ORL 1610612753 102 84 NaN NaN ... NaN NaN 1 1.0 0.0 2.0 0.0 1.0 2.0 0.0
23 21500914 2016-03-04 00:00:00 MIA 1610612748 PHI 1610612755 112 102 NaN NaN ... NaN NaN 1 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
24 21500915 2016-03-04 00:00:00 NYK 1610612752 BOS 1610612738 104 105 NaN NaN ... NaN NaN 0 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
25 21500916 2016-03-04 00:00:00 POR 1610612757 TOR 1610612761 115 117 NaN NaN ... NaN NaN 0 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
26 21500917 2016-03-04 00:00:00 WAS 1610612764 CLE 1610612739 83 108 NaN NaN ... NaN NaN 0 0.0 0.0 1.0 0.0 0.0 1.0 0.0
27 21500918 2016-03-04 00:00:00 UTA 1610612762 MEM 1610612763 88 94 NaN NaN ... NaN NaN 0 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
28 21500919 2016-03-04 00:00:00 MIN 1610612750 MIL 1610612749 101 116 NaN NaN ... NaN NaN 0 1.0 0.0 1.0 0.0 1.0 1.0 -1.0
29 21500920 2016-03-04 00:00:00 BKN 1610612751 DEN 1610612743 121 120 NaN NaN ... NaN NaN 1 1.0 0.0 3.0 0.0 1.0 3.0 0.0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
310 21501201 2016-04-10 00:00:00 GSW 1610612744 SAS 1610612759 92 86 NaN NaN ... NaN NaN 1 0.0 0.0 1.0 0.0 0.0 1.0 0.0
311 21501202 2016-04-10 00:00:00 TOR 1610612761 NYK 1610612752 93 89 NaN NaN ... NaN NaN 1 0.0 0.0 2.0 0.0 0.0 2.0 0.0
312 21501203 2016-04-11 00:00:00 ATL 1610612737 CLE 1610612739 94 109 NaN NaN ... NaN NaN 0 0.0 1.0 0.0 0.0 -1.0 0.0 0.0
313 21501204 2016-04-11 00:00:00 MIL 1610612749 ORL 1610612753 98 107 NaN NaN ... NaN NaN 0 4.0 0.0 1.0 0.0 4.0 1.0 1.0
314 21501205 2016-04-11 00:00:00 CHA 1610612766 BOS 1610612738 114 100 NaN NaN ... NaN NaN 1 1.0 0.0 0.0 0.0 1.0 0.0 1.0
315 21501206 2016-04-11 00:00:00 WAS 1610612764 BKN 1610612751 120 111 NaN NaN ... NaN NaN 1 4.0 0.0 5.0 0.0 4.0 5.0 0.0
316 21501207 2016-04-11 00:00:00 HOU 1610612745 MIN 1610612750 129 105 NaN NaN ... NaN NaN 1 3.0 0.0 0.0 0.0 3.0 0.0 1.0
317 21501208 2016-04-11 00:00:00 CHI 1610612741 NOP 1610612740 121 116 NaN NaN ... NaN NaN 1 1.0 0.0 3.0 0.0 1.0 3.0 0.0
318 21501209 2016-04-11 00:00:00 LAL 1610612747 OKC 1610612760 79 112 NaN NaN ... NaN NaN 0 0.0 1.0 3.0 0.0 -1.0 3.0 0.0
319 21501210 2016-04-11 00:00:00 DAL 1610612742 UTA 1610612762 101 92 NaN NaN ... NaN NaN 1 1.0 1.0 3.0 0.0 0.0 3.0 0.0
320 21501211 2016-04-11 00:00:00 SAC 1610612758 PHX 1610612756 105 101 NaN NaN ... NaN NaN 1 1.0 0.0 1.0 0.0 1.0 1.0 -1.0
321 21501212 2016-04-12 00:00:00 NYK 1610612752 IND 1610612754 90 102 NaN NaN ... NaN NaN 0 0.0 0.0 2.0 0.0 0.0 2.0 0.0
322 21501213 2016-04-12 00:00:00 MIA 1610612748 DET 1610612765 99 93 NaN NaN ... NaN NaN 1 2.0 0.0 2.0 0.0 2.0 2.0 -1.0
323 21501214 2016-04-12 00:00:00 PHI 1610612755 TOR 1610612761 98 122 NaN NaN ... NaN NaN 0 1.0 0.0 2.0 0.0 1.0 2.0 0.0
324 21501215 2016-04-12 00:00:00 OKC 1610612760 SAS 1610612759 98 102 NaN NaN ... NaN NaN 0 1.0 1.0 2.0 1.0 0.0 1.0 0.0
325 21501216 2016-04-12 00:00:00 MEM 1610612763 LAC 1610612746 84 110 NaN NaN ... NaN NaN 0 3.0 1.0 1.0 0.0 2.0 1.0 1.0
326 21501217 2016-04-13 00:00:00 MIA 1610612748 BOS 1610612738 88 98 NaN NaN ... NaN NaN 0 1.0 0.0 1.0 0.0 1.0 1.0 -1.0
327 21501218 2016-04-13 00:00:00 TOR 1610612761 BKN 1610612751 103 96 NaN NaN ... NaN NaN 1 2.0 0.0 2.0 0.0 2.0 2.0 -1.0
328 21501219 2016-04-13 00:00:00 ORL 1610612753 CHA 1610612766 103 117 NaN NaN ... NaN NaN 0 1.0 0.0 2.0 0.0 1.0 2.0 0.0
329 21501220 2016-04-13 00:00:00 DET 1610612765 CLE 1610612739 112 110 NaN NaN ... NaN NaN 1 3.0 0.0 0.0 0.0 3.0 0.0 1.0
330 21501221 2016-04-13 00:00:00 ATL 1610612737 WAS 1610612764 98 109 NaN NaN ... NaN NaN 0 0.0 1.0 0.0 0.0 -1.0 0.0 0.0
331 21501222 2016-04-13 00:00:00 PHI 1610612755 CHI 1610612741 105 115 NaN NaN ... NaN NaN 0 2.0 0.0 4.0 0.0 2.0 4.0 0.0
332 21501223 2016-04-13 00:00:00 SAS 1610612759 DAL 1610612742 96 91 NaN NaN ... NaN NaN 1 0.0 0.0 0.0 0.0 0.0 0.0 -1.0
333 21501224 2016-04-13 00:00:00 SAC 1610612758 HOU 1610612745 81 116 NaN NaN ... NaN NaN 0 0.0 1.0 3.0 0.0 -1.0 3.0 0.0
334 21501225 2016-04-13 00:00:00 IND 1610612754 MIL 1610612749 97 92 NaN NaN ... NaN NaN 1 2.0 2.0 0.0 1.0 0.0 -1.0 1.0
335 21501226 2016-04-13 00:00:00 NOP 1610612740 MIN 1610612750 109 144 NaN NaN ... NaN NaN 0 1.0 0.0 1.0 0.0 1.0 1.0 -1.0
336 21501227 2016-04-13 00:00:00 MEM 1610612763 GSW 1610612744 104 125 NaN NaN ... NaN NaN 0 2.0 0.0 1.0 0.0 2.0 1.0 1.0
337 21501228 2016-04-13 00:00:00 UTA 1610612762 LAL 1610612747 96 101 NaN NaN ... NaN NaN 0 1.0 1.0 1.0 0.0 0.0 1.0 0.0
338 21501229 2016-04-13 00:00:00 LAC 1610612746 PHX 1610612756 105 114 NaN NaN ... NaN NaN 0 1.0 1.0 1.0 0.0 0.0 1.0 0.0
339 21501230 2016-04-13 00:00:00 DEN 1610612743 POR 1610612757 99 107 NaN NaN ... NaN NaN 0 0.0 0.0 1.0 0.0 0.0 1.0 0.0

340 rows × 24 columns


In [ ]:
#collect last 5 game stats
season_14_15_5_stats = season_14_15.get_scoring_set(5)

In [ ]:
## Analyze the dunk score at least to start

In [ ]:
## look at elo stuff

In [ ]:
### add stuff about 4 factors and how the averages relate to winning games