2019年交流戦成績でのPCA

2019 交流戦の成績を元にPCA解析をしてみました。

使用したデータは以下のデータです。 

 データ元：https://baseball.yahoo.co.jp/npb/standings/26/

	runs	runs allowed	Homerun	steal	Batting average	earned run average
Hawks	75	61	32	16	0.233	3.16
Buffaloes	73	64	8	21	0.257	3.42
Giants	85	66	23	15	0.257	3.34
Baystars	72	70	22	7	0.242	3.86
Lions	99	79	18	14	0.27	4.14
Eagles	73	71	13	5	0.25	3.81
Fighters	69	81	14	9	0.25	4.19
Dragons	78	79	7	7	0.265	4.38
Marines	87	93	23	12	0.268	4.84
Tigers	74	77	9	17	0.248	3.29
Swallows	81	100	20	6	0.236	5.08
Carp	59	84	13	11	0.216	3.85

 コマンドは以下の通りです。

data=read.csv("交流戦成績.csv", row.names = 1)　#上記のデータをcsv形式で保存後、読み込み。

#PCA
name=rownames(data)　
rownames(data)<-NULL#都合によりrownameは一旦削除(削除しなくても良いがFigが見にくくなる。)

pcaobj=prcomp(data, scale=T) 

biplot(pcaobj)
PC1<- pcaobj$x[, 1]
PC2 <- pcaobj$x[, 2]

library(png)
a=0.3 #アイコンの大きさ調整
for (i in 1:12) {
  img <- readPNG(paste(name[i],"png",sep="."))　#各チームのアイコン画像をteam名.pngで作成、保存しておく。
  rasterImage(img, PC1[i]-a, PC2[i]-a,PC1[i]+a, PC2[i]+a)
}

やっている内容は「Rで主成分分析（https://www.casleyconsulting.co.jp/blog/engineer/119/））」のほぼパクリです。casley consulting様、お世話になります。

結果としては左下に寄っているチームが上位に来ている。つまり、チーム防御率（earned.run.average）が低く、チーム打率（Batting.average）がやや高いチームが強かったということになります（当たり前だ…）。

興味深いのは、盗塁数（steal）が順位に強く影響する点でしょうか。

反省点としては

１．見やすいようにチームアイコンを上から貼り付けてみたが、西武と広島のアイコンが数字の位置（本来のプロットされるべき位置）から随分ずれてしまいました…何故…？

２．biplotで出力する図の文字サイズの変え方が分からない…

改善方法をご存知の方がいらっしゃいましたらコメントいただけると助かります。