私達が大好きなプロ野球, どうやら開幕の目処が立ちそうです⚾

www.nikkansports.com

とはいえ（この記事を書いてる5/10時点では）正式発表ではないかつ, 仮に6/19開幕としてもあと一ヶ月と少し時間がありますね...ということでまだまだ #StayHome をやってく必要がありそうです.*1

このエントリーでは前回同様,

「野球データで遊ぶならずっと #StayHome なまま野球ができるじゃん⚾」

というお気持ちの元,

野球の統計学である「セイバーメトリクス」を「データサイエンス」の文脈で解釈しつつ
データサイエンスで大事な「特徴量」の事を学びながら
野球をデータという切り口で楽しもう

以上をテーマとして野球のデータ, 特に「セイバーメトリクス」「データサイエンス」の視点で面白さを紹介できたらと思います.

なお, 初回であった前回は「野球のための特徴量エンジニアリング」という話をしました.

shinyorke.hatenablog.com

今回のテーマは,

「打者の成績（打撃成績）を普通の指標・得点能力・LWTSと三つの視点でみてみよう」

です.

このエントリーのダイジェスト

統計的（もしくは特徴量として）打者の成績を数字で解釈するなら, 「平均的な打者と比べてどれだけ貢献してるか」が見えるLWTSが最も筋が良いアプローチであると言えそう
野球の得点構造を, 「（出塁能力 + 進塁能力） / 出塁機会」で表現した「得点能力（RC）」は統計的な野球の数字の読み方の原点
とはいえ目的とか好み, そして算出・評価の難易度もあるのでその時々の「程度」で読むのがベスト.

という話を,

世界の野球史に刻まれる大バッターであるIchiro Suzuki氏の通算成績
世界中でよく使われているデータ操作言語であるSQL
データ分析を手っ取り早くやる道具として愛用者が多い「BigQuery」「Data Portal（旧データスタジオ）」*2

を活用して解説します.

f:id:shinyorke:20200510220825j:plain — 本日の教材です

これが理解できたらゴールです.

スターティングメンバー

この連載の対象読者&前提条件

以下は前回と同じです.

何かしらのデータサイエンス・データ分析を自分で考え手を動かしてやっている方. 仕事・学業・趣味問わず.
SpreadsheetやSQL, プログラミング言語（Python/Rなど）など何かしらの道具でデータを加工したり抽出できたりできる
野球のルール・記録の意味を把握していること. レベル感的には野球に興味なくても夏の甲子園とか日本シリーズを楽しめればOK

プロ野球やメジャーリーグに対するマニアックな知識は必要ありません.*3

今回に限れば,

「Ichiro Suzukiという大打者を数字という視点で見たらどうなんだろう?」

野球に興味ない方も, この記事を読んでる間は野球の世界のスーパースターに対する興味と関心を持ってもらえればと.*4

打者の成績を数字で理解する三つの視点

ここで言う「打者の成績」は,

打率, 打点, ホームランetc... スコアブックとして成績に残ってるもの

を指します.

「球種」「打球の種別（フライ・ライナー・ゴロ）といった, 投球・打球の記録（Batted Ball）や, 「打球速度」「打球角度」といった, トラッキングデータは含みません.*5

一般的によく知られている成績・指標
セイバーメトリクスの代表的な打者評価モデル「得点能力」
得点を起点とし, 各イベント・プレーに対して加重（重み）をつけて評価する「LWTS」

この三つの視点でイチローさんを眺めます.

1. よく知られている成績から眺める

まずは頭の体操がてら, よく知られている

打率（Batting Average）
出塁率（On-Base Percentage）
長打率（Slugging）
本塁打数（Home Run）

から見てみましょう.

f:id:shinyorke:20200510221016p:plain — よく知られている成績から見るイチロー

MLBにおける通算打率.311, 通算出塁率.355. MLB屈指の一番バッターであることを証明するように, （スタメンで出続けていた）2012年までの成績は圧巻の一言です.

一方, 「快速を駆使して内野安打」「ホームランは狙って打つ」スタイルが影響しているのか, 長打率とホームランは控えめな数字です.

ただまあ, MLB通算3089安打（日本を含めると4367本*6）, 殿堂入り待ったなしの大打者として十分すぎる成績です.

...という所までは, ウィキペディアを見れば秒でわかる話ではありますが,

圧倒的なヒットメーカーであり, 一番バッターであったイチローはどこまで得点に絡んでいたのか?

という事を理解したい！と思った場合, どうやらこの数字だけでは解釈できそうにありません.

セイバーメトリクスではこのクエスチョンの解き方として,

スコアブック上の成績を元に, 「得点能力」を算出し「得点量」として評価する
「プレーから産まれるイベント・事象」を元に, 「得点増加に寄与したかどうか」を積み上げて評価する

という代表的な方法を取ることが多いです（っていうことをこの先の事例で紹介します）.

2. 得点能力から眺める

セイバーメトリクスが生まれて間もないころに生まれた指標で, RC（Run Created）というものがあります.

RC (野球) - Wikipedia

考え方の基本は,

RC = （出塁能力 + 進塁能力） / 出塁機会

で, もうちょっと詳しく言うと,

「出塁した機会を分母として, どれだけ出塁（アウトにならず, 塁に出ること）と進塁（一つでも多くの塁に出ること）を決めたか?」

という「野球のスコアブックにある成績を出塁・進塁・出場機会に置き換えてやりました！」という特徴量の作り込みをしています.

なおRCは得点能力という「量」で示します.

RC = (((A + 2.4C) * (B + 3C)) / 9C) - 0.9 * C

※変数A, B, Cは以下の通り

A = 安打 + 四死球 - 盗塁死 - 併殺

B = 塁打 + (0.26 * 四死球) + 0.53 * (犠打 + 犠飛) + 0.64 * 盗塁 - 0.03 * 三振

C = 打数 + 四死球 + 犠打 + 犠飛

RCそのものは, 得点に例えている. チーム全員のRCを合計するとチーム総得点に近くなるように調整されている.
ただ, RCそのものは出場数が増えると数字も増える*7ので純粋な得点能力は一試合（3アウト×9回 = 27アウト）あたりの数字に均した「RC27」を用いる.

ちなみにRC27の数式はこちらです.

RC27 = (27 * RC) / (打数 - 安打 + 犠打 + 犠飛 + 盗塁死 + 併殺)

そんなRC27と, 同じくセイバーメトリクスが生まれて間もない頃の指標（かつだいぶ一般化した）OPS（On-Base Plus Slugging, 出塁率に長打率を足したもの）でイチローを見るとこんな感じです.

f:id:shinyorke:20200510221151p:plain — OPSとRC（Run Created）から見るイチロー

引退前の2018, 2019がマイナスなのは式の構成上しょうがない感あります.*8

OPSとRC27の推移, ほとんど変わらないのことに皆さんお気づきでしょうか?

これには理由（と同時にRC/RC27を使う際の欠点）があって,

すごく雑に言うと, RCもOPSも結局のところ「出場機会に対して, 塁打をどれだけ稼いだか?」という構図である.
それぞれを説明すると,
- OPSは, 長打率が「塁打 / 打数」で表現, 数字の比率的に長打率の方が強めに効くので塁打数の影響を受けやすい.*9
- RCは, 「進塁能力（数式の変数B）の塁打が大きい比重を占めている（四死球などと異なり減じられていない）

「複雑なRCを計算しなくても, OPSで説明できちゃうじゃん」と言われるとぐうの音も出ません.

また, OPSもRCも「どんな場面で点を上げた（もしくはアウトになった）」など, イベント・場面が反映されない欠点もあります.

良くも悪くも塁打に均しちゃうため,