27:null 28:["$","title",null,{"children":"Trabalho 2 de Visualização de Dados | Roger Castellar's Workspace | Observable"}] 2d:Ta83,Esse trabalho utiliza-se de dados de arremessos na temporada regular da NBA, liga nacional de basquete americana, coletados do site [Basketball Reference](https://www.basketball-reference.com/). Os dados foram gerados em .csv das páginas de arremessos de 4 temporadas distintas: 1996-97, 2006-07, 2015-16 e 2022-23. Para facilitar a visualização, será usado o ano em que a temporada terminou para identificá-las. O dataset consiste nos dados de arremesso dos jogadores e seus aproveitamentos, setorizados pela distância do arremesso da cesta. Segue uma legenda dos dados e sua visualização para facilitar o entendimento.
Rk - Ranking
Player - Nome do Jogador
Pos - Posição
Age - Idade
Tm - Sigla do Time
G - Partidas Jogadas
MP - Minutos Jogados
FG% - Aproveitamento de arremessos
Distance Avg - Distância Média dos arremessos
FGA 2P - Porcentagem de tentativas de arremessos que valem 2 Pontos
FGA 0-3 - Porcentagem de tentativas de arremessos de 0 a 3 pés de distância da cesta
FGA 3-10 - Porcentagem de tentativas de arremessos de 3 a 10 pés de distância da cesta
FGA 10-16 - Porcentagem de tentativas de arremessos de 10 a 16 pés de distância da cesta
FGA 16-3P - Porcentagem de tentativas de arremessos de 16 pés de distância da cesta até a linha do garrafão
FGA 3P - Porcentagem de tentativas de arremessos que valem 3 Pontos (fora do garrafão)
FG 2P - Porcentagem de acerto de arremessos que valem 2 Pontos
FG 0-3 - Porcentagem de acerto de arremessos de 0 a 3 pés de distância da cesta
FG 3-10 - Porcentagem de acerto de arremessos de 3 a 10 pés de distância da cesta
FG 10-16 - Porcentagem de acerto de arremessos de 10 a 16 pés de distância da cesta
FG 16-3P - Porcentagem de acerto de arremessos de 16 pés de distância da cesta até a linha do garrafão
FG 3P - Porcentagem de acerto de arremessos que valem 3 Pontos (fora do garrafão)
2P Assisted - Porcentagem de arremessos de 2 pontos a partir de uma assistência
3P Assisted - Porcentagem de arremessos de 3 pontos a partir de uma assistência
FGA Dunks - Número de tentativas de enterradas
FG Dunks - Número de enterradas convertidas em pontos
Corner %3PA - Porcentagem de tentativas de arremessos de 3 pontos da linha lateral
Corner %3P - Porcentagem de acerto de arremessos de 3 pontos da linha lateral
Heaves Attempted - Número de tentativas de arremessos do meio da quadra para trás
Heaves Converted - Número de acertos de arremessos do meio da quadra para trás
Code - Código referente ao jogador
2e:T4df,conversao = { const distribuicaoConversao = []; filtroTopSeed.forEach(({ ano, estatistica }) => { const total = calcularMedia(estatistica, "FG%"); const doisPts = calcularMedia(estatistica, "FG 2P"); const tresPts = calcularMedia(estatistica, "FG 3P"); distribuicaoConversao.push( { nome: "Total", quantidade: total, time: ano + ' Top Seed - ' + dicionarioTimes[estatistica[0].Tm]}, { nome: "2 Pontos", quantidade: doisPts, time: ano + ' Top Seed - ' + dicionarioTimes[estatistica[0].Tm]}, { nome: "3 Pontos", quantidade: tresPts, time: ano + ' Top Seed - ' + dicionarioTimes[estatistica[0].Tm]}, ); }); filtroCampeoes.forEach(({ ano, estatistica }) => { const total = calcularMedia(estatistica, "FG%"); const doisPts = calcularMedia(estatistica, "FG 2P"); const tresPts = calcularMedia(estatistica, "FG 3P"); distribuicaoConversao.push( { nome: "Total", quantidade: total, time: ano + ' Campeão - ' + dicionarioTimes[estatistica[0].Tm]}, { nome: "2 Pontos", quantidade: doisPts, time: ano + ' Campeão - ' + dicionarioTimes[estatistica[0].Tm]}, { nome: "3 Pontos", quantidade: tresPts, time: ano + ' Campeão - ' + dicionarioTimes[estatistica[0].Tm]}, ); }); return(distribuicaoConversao) }2f:T74c,Aqui podemos perceber que na temporada de 1997 a conversão de 3 pontos era irrisória, próximo a 20%, e é de um dos times mais bem avaliados de todos os tempos. O Chicago Bulls de 1997 foi campeão 3 vezes seguidas com jogadores como Michael Jordan, Scottie Pippen e Dennis Rodman, além do Steve Kerr, atual técnico do Golden State Warriors. Vendo essa estatística entendemos porque nessa época chutava-se tão pouco de 3. Já em 2007 podemos observar dois times distintos, o San Antonio Spurs do Tim Duncan que foi o campeão e o Dallas Mavericks do Dirk Nowitzki. Como já vemos anteriormente, o arremesso de média e longa distância já era mais comum nessa época e com boas conversões, próximas a 32%. Podemos observar também uma diminuição na conversão de arremessos de 2 pontos devido a maior incidência de chutes longos de 2, que era especialidade do Dirk, por exemplo. Já em 2016 podemos ver um aproveitamento enorme da linha de 3 do Golden State Warriors, próximo a 40%. Não só isso, o aproveitamento total de 49.39%, destoando dos demais que estão sempre próximos da faixa dos 44%. O Cleveland Cavaliers foi campeão naquele ano, numa campanha histórica do LeBron James, com percentuais mais parecidos com os times de 2007. Já em 2023 temos o time do Milwaukee Bucks, campeões da temporada 2021 e liderados pelo Giannis Antetokoumpo, conhecido por ser um jogado físico e ofensivo no garrafão. Podemos ver que seu aproveitamento em 2 pontos é bem alto mas em 3 pontos deixa a desejar, mais parecido com os times de 2007 e o Cleveland Cavaliers do LeBron. Já o Nuggets, liderado pelo servo Nikola Jokić e campeão atual da NBA, possui um aproveitamento de 3 bem alto, próximos aos 40%. Eles jogam com jogadores abertos enquanto o pivô Jokić puxa a marcação e distribui a bola para excelentes arremessadores como Jamal Murray.30:T43b,Vendo o aproveitamento dos MVPs, podemos tirar as seguintes conclusões:
Michael Jordan - Bom aproveitamento de 3 para época, mas chutava bem pouco também de fora do garrafão. Dá para perceber que grande parte do seu jogo era atacando o garrafão e com arremessos a média distância.
Dirk Nowitzki - Ótimo aproveitamento para 3, ainda mais levando em conta sua altura e posição, podemos perceber como que ele preferia chutar em média e longa distância, com melhor aproveitamento em chutes longos de 2, tirando arremessos próximos da cesta, como bandejas.
Stephen Curry - Aproveitamento excelente de 3, tirando os arremessos de curta distância, seu melhor aproveitamento é de fora do garrafão, e de onde ele conseguiu tirar grande parte dos seus pontos na temporada.
Joel Embiid - Pivô bem físico, não possui bom arremesso e um aproveitamento bem ruim de fora do garrafão. Podemos perceber que mesmo com a tendência de mais chutes de 3, ainda temos jogadores que não fazem isso e ainda conseguem ter sucesso, se impondo de outras maneiras.
31:T46a,# Conclusão De fato a campanha do Golden State Warriors teve um impacto na liga interessante, principalmente na mudança de mais jogadores se arriscando em arremessos mais longos. Porém, podemos ver também que já havia uma tendência a um espaçamento maior da quadra na segunda metade dos anos 2000, e com ótimos arremessadores de longa distância. Não só nesses dados de arremessos, podemos observar o impacto do estilo de jogo do Golden State Warriors assistindo os jogos, mudou muito a estratégia do jogo, além dos placares mais elásticos. Hoje em dia qualquer partida passa dos 100 pontos, até meados de 2000 isso não era tão comum quanto é hoje. É inegável o legado que o time de Stephen Curry deixou para NBA e como mudaram o jeito de jogar, inclusive para anular o estilo de jogo implementado pelo técnico Steve Kerr, de espaçamento da quadra para arremessos de longa distância. Porém ainda temos vários jogadores e times que atacam bastante o garrafão e não arremessam muito de longe e conseguem ter sucesso, como por exemplo o Lakers de LeBron que acaba de ganhar o novo torneio In-Season de 2023.32:[{"id":"563167be3a7536fbd1f863e062180b4a388acf5c5922a0c708768c506934b830d9bf2dae5a9c7d2cc19bd3922d65aed23d114e3dda62654236f3d408902020ef","href":"https://static.observableusercontent.com/files/563167be3a7536fbd1f863e062180b4a388acf5c5922a0c708768c506934b830d9bf2dae5a9c7d2cc19bd3922d65aed23d114e3dda62654236f3d408902020ef","name":"0607@1.csv","type":"text/csv","lastModified":1702265791744.035,"size":76483},{"id":"78c04663722da99629c23e76e416181b286d5bdf9f52cdca45090054a8aded41b23589a75cc5823df9630a90e0981be4d33fc9824184fb4ca3dd9438526d89e4","href":"https://static.observableusercontent.com/files/78c04663722da99629c23e76e416181b286d5bdf9f52cdca45090054a8aded41b23589a75cc5823df9630a90e0981be4d33fc9824184fb4ca3dd9438526d89e4","name":"1516@1.csv","type":"text/csv","lastModified":1702266290662.219,"size":83399},{"id":"7b790eff4020c7f28cf8f109eea4d2aec8930390ffec4d5320da03ab0aacb3d4b44984203503fbe1d58663707b8faf0508bb48d139e97126ec0e0dbecd3d6761","href":"https://static.observableusercontent.com/files/7b790eff4020c7f28cf8f109eea4d2aec8930390ffec4d5320da03ab0aacb3d4b44984203503fbe1d58663707b8faf0508bb48d139e97126ec0e0dbecd3d6761","name":"2223.csv","type":"text/csv","lastModified":1701224292956.924,"size":98657},{"id":"50f163e0f0be3287d9255f101e0948186815776971af34ea8541d439d19376ff2dcf069582b6d4e9f165fcebe79c6dd1a3e1fb2cd158e8fff3b69ce8ea77d7e5","href":"https://static.observableusercontent.com/files/50f163e0f0be3287d9255f101e0948186815776971af34ea8541d439d19376ff2dcf069582b6d4e9f165fcebe79c6dd1a3e1fb2cd158e8fff3b69ce8ea77d7e5","name":"9697.csv","type":"text/csv","lastModified":1701224293108.911,"size":81317},{"id":"221416e762776b308a8de91381a4a479b818ba2ec0541d83d811e8c7de439075b0cad19bfc84b99eff321165eaaf82cc457b627a042b5685376fe0fa6736edc1","href":"https://static.observableusercontent.com/files/221416e762776b308a8de91381a4a479b818ba2ec0541d83d811e8c7de439075b0cad19bfc84b99eff321165eaaf82cc457b627a042b5685376fe0fa6736edc1","name":"quadra@5.png","type":"image/png","lastModified":1702258872272.101,"size":17455},{"id":"ac75864982108caf854146fdf181278f8c363b6c4f71c7337ffb4e530b3d335e7fa642a2d1dd8a785e083bcfb8b9e1b683c784638faa9b766142c9016173f315","href":"https://static.observableusercontent.com/files/ac75864982108caf854146fdf181278f8c363b6c4f71c7337ffb4e530b3d335e7fa642a2d1dd8a785e083bcfb8b9e1b683c784638faa9b766142c9016173f315","name":"1516.csv","type":"text/csv","lastModified":1702262311071.818,"size":86867}] 2b:{"id":"15def94e5bc6bd6e","slug":null,"title":"Trabalho 2 de Visualização de Dados","thumbnail":"ff4160c92233a82df5a76cdfd05ba04aa42e71041c7a7a3e54957d4689e0df70","access_level":"public","create_time":"$D2023-11-29T02:17:40.524Z","update_time":"$D2023-12-11T23:10:39.618Z","view_time":null,"first_public_time":"$D2023-11-29T02:17:40.524Z","has_unpublished_edits":null,"fork":false,"stars":0,"starred":false,"owner":{"type":"team","id":"99409f0ae54bb329","login":"roger-castellar-ws","name":"Roger Castellar's Workspace","avatar_url":"https://avatars-next.observableusercontent.com/d662d46ee599b1b4ac1b7cb14f1bbbd0443bf3b98d3b4248f5cd3e4d78135de5","tier":"starter_2024"},"version":1214,"publish_version":null,"role":null,"authored":false,"authors":[{"type":"individual","id":"3fc41155e7f0e527","login":"roger-castellar","name":"Roger Castellar","avatar_url":"https://avatars-next.observableusercontent.com/8e8a68eb4f8b2b72f2d550bd48e5aa00b279a6f461a6c6d6afb4c11a0cdfd053","tier":null}],"members":[{"type":"individual","id":"3fc41155e7f0e527","login":"roger-castellar","name":"Roger Castellar","avatar_url":"https://avatars-next.observableusercontent.com/8e8a68eb4f8b2b72f2d550bd48e5aa00b279a6f461a6c6d6afb4c11a0cdfd053","tier":null,"role":"editor"},{"type":"team","id":"99409f0ae54bb329","login":"roger-castellar-ws","name":"Roger Castellar's Workspace","avatar_url":"https://avatars-next.observableusercontent.com/d662d46ee599b1b4ac1b7cb14f1bbbd0443bf3b98d3b4248f5cd3e4d78135de5","tier":"starter_2024","role":"editor"}],"comments":[],"custom_thumbnail":false,"trashed":false,"lapsed":null,"subscribed":null,"forks":1,"collection":null,"type":"notebook","body":{"title":"Trabalho 2 de Visualização de Dados","cells":[{"id":0,"value":"# Trabalho 2 de Visualização de Dados","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":475,"value":"# Introdução","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1073,"value":"$2d","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":5,"value":"await FileAttachment(\"9697.csv\").csv({typed: \"auto\"})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1139,"value":"As temporadas escolhidas foram seguindo os critérios:
\n**1997** - Primeira temporada em que possuímos dados na estrutura utilizada aqui
\n**2007** - Exemplar da década de 2000, 10 anos após a primeira opção
\n**2015** - Ano seguinte ao primeiro título do Golden State Warriors na era Curry e detentora do recorde melhor temporada regular de um time na história da NBA
\n**2023** - Temporada finalizada mais recente
","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1079,"value":"Aqui todas as estatísticas foram consolidadas em um só vetor para facilitar o acesso posteriormente, com o dado de ano embutido para facilitar o acesso: ","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":7,"value":"estatisticas = [\n { ano: '1997', estatistica: await FileAttachment(\"9697.csv\").csv() },\n { ano: '2007', estatistica: await FileAttachment(\"0607@1.csv\").csv() },\n { ano: '2016', estatistica: await FileAttachment(\"1516@1.csv\").csv() },\n { ano: '2023', estatistica: await FileAttachment(\"2223.csv\").csv() },\n];","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":478,"value":"# Preparando a Quadra","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1084,"value":"Como tratam-se de dados sobre arremessos, seria interessante termos um fundo de gráfico de quadra para poder traçarmos alguns desses dados num esquema da quadra para podermos ter uma visualização mais verossímil dos dados. Por isso, essa seção se dará a preparação de uma imagem de meia quadra da NBA e o tratamento para que as coordenadas dela fiquem na escala da real, ou seja, uma unidade no gráfico equivale a uma pé de distância, que é a medida normalmente usada para distâncias na NBA. Os dados reais das quadras foram extraídos desse [esquema](https://www.dimensions.com/element/basketball-court).","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":110,"value":"dimensoesQuadra = {\n const fundoReal = 50; // 50 pés\n const lateralReal = 94/2; // 94 pés dividido por 2 (meia quadra)\n return { x: fundoReal, y: lateralReal}\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":33,"value":"quadra = vl.markImage()\n.data({\n \"values\": [\n {\"x\": dimensoesQuadra.x, \"y\": dimensoesQuadra.y, \"image\": await(FileAttachment(\"quadra@5.png\").url())},\n ]\n})\n.encode(\n vl.x().fieldQ('x').scale( {nice: false} ).axis( {labels: false} ).title(\"\"),\n vl.y().fieldQ('y').scale( {nice: false} ).axis( {labels: false} ).title(\"\"),\n vl.url().fieldN('image')\n)\n.width(331*2)\n.height(295*2)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1088,"value":"Aqui temos nossa quadra que será usada como gráfico para alguns gráficos posteriormente. Falta só calcular a posição da cesta para ajudar nos cálculos posteriores.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":135,"value":"quadra.title(\"Meia-Quadra\").render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":70,"value":"centroCirculo = {\n const yCesta = 63;\n const x = dimensoesQuadra.x/2;\n const y = 4;\n return {x, y};\n};","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":122,"value":"vl.layer(\n quadra,\n vl.markPoint()\n .data([centroCirculo])\n .encode(\n vl.x().fieldQ('x'),\n vl.y().fieldQ('y'),\n vl.color().value('red')\n )\n)\n.title(\"Marcando a cesta\")\n.render();","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1095,"value":"Com esse gráfico, podemos assegurar que o ponto vermelho está de fato onde a cesta estaria e que as dimensões de pés estão 1 para 1 com o espaço que temos para visualizar os dados. Vamos então começar medindo como a distância média dos chutes evoluiu durante os anos:","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":480,"value":"# Distância média dos arremessos","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1099,"value":"Uma questão que será o norte da análise desses dados é como que o ápice do Golden State Warriors, que voltaram a ser campeões em 2015 após 40 anos sem títulos pela franquia da Califórnia. Comandado por Stephen Curry, MVP nas temporadas regulares 2014-2015 e 2015-2016 e MVP das finais de 2022, o time do Golden State Warriors revolucionou a forma como o basquete é jogado, muito devido ao Steph e seu colega Klay Thompson, detentor do recorde de mais arremessos de 3 convertidos em uma partida. Antes do time começar a ter sucesso, arremessos de 3 pontos eram considerados muito arriscados na NBA, já que a maioria dos jogadores não treinavam muito esse arremesso e possuíam aproveitamentos bem abaixo do que o Stephen Curry veio apresentar quando estourou na NBA. Começando analisando a distância média dos chutes, podemos analisar como o período 2014 até 2018, quando Golden State ganhou 3 títulos modificou a distância média dos arremessos da NBA.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":584,"value":"function calcularMedia(estatistica, coluna) {\n const arrayValores = estatistica\n .filter((item) => !isNaN(parseFloat(item[coluna])))\n .map((item) => parseFloat(item[coluna]));\n\n const soma = arrayValores.reduce((acumulador, valor) => acumulador + valor, 0);\n const media = soma / arrayValores.length;\n\n return parseFloat(media.toFixed(4));\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1102,"value":"Essa função calcularMedia será usada diversas vezes durante a análise para condensar os dados presentes na estatísticas, seja por ano, time ou jogador. Utilizamos ela aqui para calcular a média da distância de arremessos de todos os jogadores, agrupando esses dados por ano e gerando um gráfico:","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":9,"value":"mediaDistanciaTotal = estatisticas.map(({ ano, estatistica }) => {\n const media = calcularMedia(estatistica, \"Distance Avg\");\n\n return {\n ano,\n x: centroCirculo.x,\n y: centroCirculo.y,\n radius: media,\n radius2: media - 0.2\n };\n});","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":142,"value":"vl.layer(\n quadra,\n vl.markArc(({clip: true}))\n .data(mediaDistanciaTotal)\n .encode(\n vl.x().fieldQ('x'),\n vl.y().fieldQ('y'),\n vl.radius().fieldQ('radius').scale({domain:[0,dimensoesQuadra.y/2]}),\n vl.radius2().fieldQ('radius2'),\n vl.color().fieldN('ano').title('Ano'),\n )\n )\n.title('Distâncias médias de chutes por temporada regular da NBA')\n.render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1109,"value":"Em 1997 podemos ver que a distância era 12 pés e que em 2007 diminui mais ainda, claramente mostrando uma tendência a uma maior aproximação ao arremessar. Já na temporada de 2016, vemos uma distanciação, voltando aos padrões de 1997 e em 2023 vemos que a distância aumentou bastante, estando bem mais longe da cesta, se aproximando da distância do lance livre. ","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":482,"value":"# Distribuição de tentativas de arremesso por distância","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1112,"value":"Só porque Stephen Curry e Klay Thompson estavam fazendo \"chover\" da linha de 3 pontos não quer dizer que os jogadores de fato estavam acertando seus arremessos de longa distância. Isso exige treino e dedicação, que demora a dar resultado. Mas, será que a performance deles afetou o quanto os jogadores arriscaram mais de fora do garrafão? Para isso, vamos condensar a distribuição das tentativas de arremesso por distância dos jogadores nessas temporadas e ver como que está a distribuição das tentativas ao longo das diversas áreas cobertas no dataset.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":581,"value":"distribuicaoTentativas = {\nconst distribuicaoTentativas = [];\n \nestatisticas.forEach(({ ano, estatistica }) => {\n const zeroToTres = calcularMedia(estatistica, \"FGA 0-3\");\n const tresToDez = calcularMedia(estatistica, \"FGA 3-10\");\n const dezToDezesseis = calcularMedia(estatistica, \"FGA 10-16\");\n const dezesseisToTresPontos = calcularMedia(estatistica, \"FGA 16-3P\");\n const tresPontos = calcularMedia(estatistica, \"FGA 3P\");\n\n distribuicaoTentativas.push(\n { ano, nome: \"A- 0' a 3'\", quantidade: zeroToTres },\n { ano, nome: \"B- 3' a 10'\", quantidade: tresToDez },\n { ano, nome: \"C- 10' a 16'\", quantidade: dezToDezesseis },\n { ano, nome: \"D- 16' até 3 pontos\", quantidade: dezesseisToTresPontos },\n { ano, nome: \"E- 3 pontos\", quantidade: tresPontos }\n );\n});\n return(distribuicaoTentativas)\n}\n\n","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1124,"value":"Extraindo os anos que temos no nosso dataset, podemos aglomerar a distribuição de tentativas por ano, e como a soma dá 100%, geramos um gráfico de barras empilhadas para comparar como está o comportamento de arremessos dos jogadores no tempo abrangido pelos nossos dados.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":605,"value":"anosUnicos = [...new Set(distribuicaoTentativas.map(item => item.ano))];","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":509,"value":"vl.markBar({ size:40 })\n .data(distribuicaoTentativas)\n .encode(\n vl.x().fieldQ('quantidade').title('Percentual de Tentativas').axis({ format: \"%\"}).scale({domain: [0,1]}),\n vl.y().fieldT('ano').scale( { padding:20 } ).axis({ values: anosUnicos, format: \"%Y\" }).title('Ano'),\n vl.color().fieldN('nome').title('Área da Quadra'),\n vl.tooltip().fieldQ('quantidade').format('.2%')\n )\n .title('Distribuição de Tentativas por Área da Quadra', { titleAnchor: 'middle' })\n .width(960)\n .height(540)\n .render();","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1132,"value":"Percebemos nesse gráfico que em 1996 a maioria dos arremessos eram feitos bem próximos ao garrafão, provavelmente bandejas ou enterradas. E tínhamos uma distribuição bem igual nas outras áreas. Já em 2006, já observamos mais tentativas de média e longa distância, embora os arremessos próximos ainda continuavam sendo a maioria. Em 2015 já vemos uma clara diferença, os arremessos de 3 está bem parecido com os arremessos próximos ao aro, ambos somando 60% do percentual de tentativas. Já na temporada de 2023, já vemos uma clara disposição a arremessos de 3, mais de 40% das tentativas foram de fora do garrafão. Claramente o estilo de jogo do Golden State Warriors impactou a NBA e hoje em dia os arremessos de 3 configuram grande parte do arsenal dos times hoje em dia.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":684,"value":"# Conversão de arremessos pelos melhores time da temporada","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1147,"value":"Mas como os melhores times da temporada jogaram durante esses anos? Eles chutavam mais de 3 ou de 2? Como é a taxa de conversão desses arremessos? Vamos analisar como o melhor time da temporada regular e como o time que seria o campeão da temporada nos playoffs estavam acertando os arremessos de acordo com as áreas cobertas no nosso dataset. Pesquisando os dados de quem foi campeão e o top seed (melhor time da temporada regular), geramos arrays com a sigla de cada time, além de um dicionário para fazer a tradução da sigla no nome completo do time para melhor visualização. ","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":686,"value":"topSeeds = [\n {ano: '1997', time: 'CHI'},\n {ano: '2007', time: 'DAL'},\n {ano: '2016', time: 'GSW'},\n {ano: '2023', time: 'MIL'},\n]","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":691,"value":"campeoes = [\n {ano: '1997', time: 'CHI'},\n {ano: '2007', time: 'SAS'},\n {ano: '2016', time: 'CLE'},\n {ano: '2023', time: 'DEN'},\n]","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":782,"value":"dicionarioTimes = { \n return { \n \"CHI\": \"Chicago Bulls\",\n \"DAL\": \"Dallas Mavericks\",\n \"GSW\": \"Golden State Warriors\",\n \"MIL\": \"Milwaukee Bucks\",\n \"SAS\": \"San Antonio Spurs\",\n \"CLE\": \"Cleveland Cavaliers\",\n \"DEN\": \"Denver Nuggets\"\n }\n};","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1153,"value":"De forma parecida com o que foi feito anteriormente, vamos filtrar as estatísticas dos times e agrupá-los por anos. A partir dessas estatísticas, condensamos na média dos times e vamos gerar um gráfico de como é a distribuição do aproveitamento de arremessos que valem 2 pontos, que valem 3 pontos e o aproveitamento total dos times.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":705,"value":"filtroTopSeed = {\n const estatisticasFiltradas = [];\n estatisticas.forEach(({ ano, estatistica }) => {\n const topSeed = topSeeds.find(entrada => entrada.ano === ano).time;\n const estatisticaFiltrada = estatistica.filter(entrada => entrada.Tm === topSeed);\n estatisticasFiltradas.push({ano, estatistica: estatisticaFiltrada});\n});\n return estatisticasFiltradas;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":732,"value":"filtroCampeoes = {\n const estatisticasFiltradas = [];\n estatisticas.forEach(({ ano, estatistica }) => {\n const campeao = campeoes.find(entrada => entrada.ano === ano).time;\n const estatisticaFiltrada = estatistica.filter(entrada => entrada.Tm === campeao);\n estatisticasFiltradas.push({ano, estatistica: estatisticaFiltrada});\n});\n return estatisticasFiltradas;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":714,"value":"$2e","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":741,"value":"vl.markBar()\n .data(conversao)\n .encode(\n vl.x().fieldN('nome').axis({labelAngle: 0}).title(''),\n vl.y().fieldQ('quantidade').axis({ format: '.0%' }).title('Aproveitamento'),\n vl.tooltip().fieldQ('quantidade').format('.2%'),\n vl.facet().fieldN('time').columns(2).sort('descending').title('Temporada'),\n vl.color().fieldN('nome').legend(null),\n )\n .resolve({ axis: { x: 'independent', y: 'independent' } })\n .title('Percentual de aproveitamento do Top Seed e Campeão de cada ano')\n .width(480)\n .height(270)\n .render();","pinned":true,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1176,"value":"$2f","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":820,"value":"# Estatísticas individuais dos jogadores","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1181,"value":"Para finalizar, como os jogadores individualmente performaram durante essas temporadas? Como foram seus aproveitamentos em cada faixa de arremesso da quadra? Para gerar essa análise, utilizaremos novamente a quadra, dessa vez pintando as áreas presentes no nosso dataset, a fim de apresentar seus aproveitamentos de forma bem aproximada com a realidade. Começaremos gerando um gráfico auxiliar com as áreas das quadras pintadas de acordo com as distâncias que temos nos dados:","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":822,"value":"garrafao = {\nconst dataSemicircle = [];\nconst raio = 20.5;\nconst numPontos = 50;\nconst translacaoX = centroCirculo.x;\nconst translacaoY = 8.5;\n\nfor (let i = 0; i <= numPontos; i++) {\n const theta = (Math.PI * i) / numPontos; // Varia de 0 a PI\n const x = translacaoX + raio * Math.cos(theta);\n const y = translacaoY + raio * Math.sin(theta);\n dataSemicircle.push({ x, y });\n}\n return dataSemicircle;\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":877,"value":"distancias = {\n return [\n {\n x: centroCirculo.x,\n y: centroCirculo.y,\n radius: 0,\n radius2: 3\n },\n {\n x: centroCirculo.x,\n y: centroCirculo.y,\n radius: 3,\n radius2: 10\n },\n {\n x: centroCirculo.x,\n y: centroCirculo.y,\n radius: 10,\n radius2: 16\n }\n]\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1018,"value":"quadraPontuacao = vl.layer(\n quadra,\n vl.markArea({opacity:0.4, color: 'purple'})\n .data([{x: 0, y: dimensoesQuadra.y}, {x: dimensoesQuadra.x, y: dimensoesQuadra.y}])\n .encode(\n vl.x().fieldQ('x'),\n vl.y().fieldQ('y')\n ),\n vl.markArea({opacity:0.5, color: 'green'})\n .data(garrafao)\n .encode(\n vl.x().fieldQ('x'),\n vl.y().fieldQ('y')\n ),\n vl.markArc({opacity:0.75, clip: true})\n .data(distancias)\n .encode(\n vl.x().fieldQ('x'),\n vl.y().fieldQ('y'),\n vl.radius().fieldQ('radius').scale({domain:[0,dimensoesQuadra.y/2]}),\n vl.radius2().fieldQ('radius2'),\n vl.color().fieldN('radius').legend(null),\n )\n)","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1179,"value":"quadraPontuacao.render()","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1185,"value":"Agora geramos um campo interativo para que possamos observar o desempenho de qualquer jogador presente no dataset, escolhendo pela temporada.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":982,"value":"estatisticaAnoDD = estatisticas.find(entrada => entrada.ano === anoDD).estatistica;","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":955,"value":"jogadores =\n{\n return [...new Set(estatisticaAnoDD.map(jogador => jogador.Player))].sort()\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":924,"value":"estatisticasIndividuais =\n{\n const estatisticasJogador = estatisticaAnoDD.filter(entrada => entrada.Player === jogador); \n const zeroToTres = calcularMedia(estatisticasJogador, \"FG 0-3\");\n const tresToDez = calcularMedia(estatisticasJogador, \"FG 3-10\");\n const dezToDezesseis = calcularMedia(estatisticasJogador, \"FG 10-16\");\n const dezesseisToTresPontos = calcularMedia(estatisticasJogador, \"FG 16-3P\");\n const tresPontos = calcularMedia(estatisticasJogador, \"FG 3P\");\n return [\n { y: 3, aproveitamento: zeroToTres},\n { y: 10, aproveitamento: tresToDez},\n { y: 17, aproveitamento: dezToDezesseis},\n { y: 24, aproveitamento: dezesseisToTresPontos},\n { y: 35, aproveitamento: tresPontos}\n ]\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":949,"value":"viewof anoDD = Inputs.select(anosUnicos, {label: \"Ano da temporada\"})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":965,"value":"viewof jogadoresFiltro = Inputs.search(jogadores, {label: \"Filtrar nomes de jogadores\"})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":952,"value":"viewof jogador = Inputs.select(jogadoresFiltro, {label: \"Jogador\"})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":824,"value":"vl.layer(\n quadraPontuacao,\n vl.markText({fontSize: 18, color: 'white'})\n .data(estatisticasIndividuais)\n .encode(\n vl.y().fieldQ('y'),\n vl.text().fieldN('aproveitamento').format('.2%')\n )\n)\n .title('Aproveitamento de Quadra de ' + jogador + ' na temporada de ' + anoDD)\n .render();","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1194,"value":"A fim de realizar uma última análise, vamos ver os melhores jogadores de cada temporada regular, conhecidos como MVPs. Seus nomes já foram citados anteriormente, então analisaremos como foi o aproveitamento individual daqueles que foram considerados os melhores jogadores de cada temporada, para entender como a produtividade deles está distribuída.","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":999,"value":"mvps = {\n return [\n {ano:'1997', nome: \"Michael Jordan*\"},\n {ano:'2007', nome: \"Dirk Nowitzki*\"},\n {ano:'2016', nome: \"Stephen Curry\"},\n {ano:'2023', nome: \"Joel Embiid\"},\n ]\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1048,"value":"viewof mvp = Inputs.select(mvps, {label: \"MVP de cada temporada\", format: x => x.ano + \" \" + x.nome, value: mvps.find(t => t.nome === \"Michael Jordan*\")})","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1038,"value":"mvpEstatistica = {\n const estatisticasAno = estatisticas.find(entrada => entrada.ano === mvp.ano).estatistica;\n const estatisticasJogador = estatisticasAno.filter(entrada => entrada.Player === mvp.nome); \n const zeroToTres = calcularMedia(estatisticasJogador, \"FG 0-3\");\n const tresToDez = calcularMedia(estatisticasJogador, \"FG 3-10\");\n const dezToDezesseis = calcularMedia(estatisticasJogador, \"FG 10-16\");\n const dezesseisToTresPontos = calcularMedia(estatisticasJogador, \"FG 16-3P\");\n const tresPontos = calcularMedia(estatisticasJogador, \"FG 3P\");\n return [\n { y: 3, aproveitamento: zeroToTres},\n { y: 10, aproveitamento: tresToDez},\n { y: 17, aproveitamento: dezToDezesseis},\n { y: 24, aproveitamento: dezesseisToTresPontos},\n { y: 35, aproveitamento: tresPontos}\n ]\n}","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1013,"value":" vl.layer(\n quadraPontuacao,\n vl.markText({fontSize: 18, color: 'white'})\n .data(mvpEstatistica)\n .encode(\n vl.y().fieldQ('y'),\n vl.text().fieldN('aproveitamento').format('.2%')\n )\n )\n .title('Aproveitamento de Quadra do MVP ' + mvp.nome + ' da temporada de ' + mvp.ano)\n .render();","pinned":false,"hidden":false,"mode":"ojs","author":"$undefined","summary":"$undefined","output":"$undefined","database":"$undefined"},{"id":1206,"value":"$30","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"},{"id":1212,"value":"$31","pinned":false,"hidden":false,"mode":"md","author":"$undefined","summary":"$undefined","output":"","database":"$undefined"}],"files":"$W32","stdlib":"1","titling":"auto"}} 2c:"$2b:body"