大家好，最近我在自学，利用R分析资料。偶然间看到一篇文章（
https://tinyurl.com/mveu8m4z）利用R进行主成分分析（Principle Component
Analysis，PCA），了解哪些NBA球员的打法较为相近。于是便效仿这篇文章，在ChatGPT的
帮助下撰写R指令，利用ggplot2套件画出PLG第三季的球员PCA散点图。
资料来源为PLG官网的第三季球员数据（https://pleagueofficial.com/stat-player），并
参考另一篇文章（https://tinyurl.com/324wxf9x）另外计算各球员的GmSc(Game
Score)。
接着解释一下PCA原理。PCA能将好几个变量（得分、篮板、失误……），透过加权、筛选后
，浓缩成几个较重要的“主成分”（PC）。而我再根据“凯莎原则”，留下特征值大于1的
主成分。至于选取的主成分里包含哪原始变量和加权大小，我还没有深入研究如何分析，因
此不得而知。
在进行PCA分析后，我选择得到的PC1和PC2，绘制成二维散点图。以下是图的看法：
1.每个球员圆点根据队伍上色（队伍按照例行赛战绩编号1-6）。
2.GmSc值越大，球员的圆点就越大，代表球员的效率越高。
3.球员在图上位置越相近，代表：在传统数据上，这些球员的打法越相似。
https://i.imgur.com/C8sn4Ys.png
可以发现，大部分的本土球员，聚集于左下角，这里比较看不出球员的特性。
主打禁区得分、护框的球员分布于右上角。大部分是大洋将，例如吉尔贝克。
中间偏上方的部分则是能投外线的延伸四、五号球员，例如强森、穆伦斯。
左边中间为球权较多、需要担任play maker的本土球员，像是杨敬敏、高国豪、卢峻翔。
右下角则是本土苦力球员，例如孙思尧。
最后是左上角，数据较全面的球员，通常是能得分又能助攻队友的球员，代表为林书豪。
接着是两个有趣发现。
首先，钛强独树一格，来到图表的中间上方，四周没有球员，可以说是打法非常独特。可能
跟钢铁人当时的状况、出赛几场就遭3Q有关。
其次，辛特力、曼尼高打法和林书豪相似，都是能帮助团队、自己也能得分的球员。最意外
的是，班尼特竟然也占据相同位置！或许能开玩笑的说，KBL的Sono Skygunners就是看上这
点，才签下班尼特吧！尽管数据呈分布上，两人确实高度相似，但从球赛内容来看，班尼特
并无法发挥如林书豪的影响力，帮助攻城狮取胜。这告诉我们，评价一名球员时，质（球赛
内容）与量（数据呈现）皆要参考。
最后要提醒，这张图表只能代表：
以传统数据上来看，各球员打法的相似程度，以及依照圆点大小判断该球员的效率高低。并
无法比较相同类型球员对队伍的贡献，班尼特和林书豪便是一例。
由于我也是最近才开始学习此领域相关的知识，文章可能会有错误，希望大家不吝啬给予指
教！