在写作之前，我问自己一些问题：为什么要写这篇文章，我希望它是什么样的？ 我想我们或许应该从过去几年开始。
我读书的时候nba球队所在的城市，身边总有一些朋友在看NBA。 我或多或少看过一些，我能说出一些著名球员的名字。 大概是我毕业工作了16年后，我才开始大规模地看足球。 也得益于移动互联网，看球变得方便多了。
2018赛季快结束的时候，我思考了一下，看了一段时间。 我心里有一个想法nba球队所在的城市，我至少想输出一些东西作为我观看比赛的记忆点，无论是积极的反馈。
好吧，那么问题来了nba球队所在的城市，我希望它写成什么样子呢？
2018年，我读了《约翰·伍登的加州大学洛杉矶分校进攻战术系统》，有时也会看一下较低级别的数据网站。 正好我刚刚看了总决赛，感觉勇士队太牛了，所以我就想分析一下勇士队的战术。
不过，我在文章中分析战术、拿出大量游戏截图的时候，总感觉有些别扭。 更重要的是，我希望结合自己的专业来解决一些问题会更有趣。 而且，转念一想，一路走来，无论是同学还是网友，总会有关于西方强、东方弱的争论。 不过，网上也有不同的看法。 我当时觉得可能和经济有关系，所以我想从这个角度做一些自己的解释。
计划
问题是NBA球队的表现是否与经济有关。所以
1.收集绩效数据，经济数据以GDP衡量
2.数据分析
分析公式：对球队战绩和球队所在城市GDP进行两次排名，并进行线性回归分析。
第二个问题是，NBA是西强东弱吗（顺便分析一下）
收集和分析性能数据
分析公式：首先，NBA有些球队并不是一个赛季只碰面两次。 一般来说，同一赛区的球队一个赛季可能会碰上四次。 一支球队每个赛季只会与不同级别的球队交锋两次（主客场）。
问题是，如何抵消同赛区战绩的干扰，分析不同赛区球队的战绩。 最后我想到用胜率系数来判断，即用同赛区的胜场数减去同赛区的负场数，则得到该赛区对阵另一赛区的总战绩。 那么你逐年看一下整体记录，画出一个趋势，就可以看到有没有西方强的痕迹，或者东方强的痕迹。
遇到的情况和结果分析以及NBA球队表现是否与经济有关
好的，该脚本用于组织数据、排序并进行线性回归分析。 如下所示，
嗯，我的脸好痛，有人打我的脸。 。 我一直认为存在正相关关系。 但当你第一眼看到这张图时，你会发现这些点散布满地，这似乎表明表现与经济无关。
为什么我认为这与经济有关？ 事实上，从冠军数据来看，纵观历史，获得过两次以上总冠军的球队，除了马刺之外，GDP都是最高的。 从个人角度来看，以湖人队为例，贾巴尔（天勾，历史得分榜第一）、奥尼尔（我认为历史第一中锋）、勒布朗·詹姆斯（历史第一大前锋）都选择转行。 他遇见了湖人队，并对湖人队夺冠起到了直接作用。 大城市对明星的吸引力，从每年的交易时段就可以轻易看出。 大城市的人口、消费水平、影响力、曝光度、辐射力都是小城市无法比拟的。
综上所述，我认为经济与绩效没有必然关系，只是影响绩效的因素之一。 为什么呢，因为影响战绩的因素包括每年的乐透选秀（我认为是小市场球队夺冠最重要的赛事）、球队教练组的水平（比如五届马刺） ，以及球队的总经理。 运营能力、球队老板的考虑，甚至还有地理因素、城市关注度等外围因素（因为NFL等职业比赛会被分流）。
如果要严格衡量，就需要控制其他变量的影响。
千年后东西方强弱分析
这是侧面分析。 我想，既然找到了记录，我就可以分析一下，西强东弱到底是一种感官错觉，还是真实存在的。
结果如图所示。 可见，千年之后，除2009年外，西部球队整体上对东部球队都处于领先地位，并且多年来都是大幅领先（超过50场）。
结论，千年之后，联盟整体实力西强东弱。
审查
对于数据来说，我得到的时间线还不够长。 如果时间线不够长，就很难观察和分析模式。 另一方面，数据也非常重要。 找数据花了两个多月的时间，写代码（爬取数据、分析数据、生成图表）加上写文章花了大约一周的时间。
对于结果的后续，可以尝试考虑教练组的水平、乐透选秀权、总经理的交易水平、球迷数量等。 这样可以相对平滑其他变量对这个问题的干扰。 然而，这些因素实际上很难衡量。 没有绝对的衡量标准。 我觉得我们可以通过建立自己的评分系统来做到这一点（给教练水平打分，给球员的潜力实现打分，给每笔交易打分）。
至于经济，当我看到GDP数据的对比时，感叹洛杉矶和纽约的辐射能力，也觉得城市群分工明确。 我个人认为，这种情况最终会出现在我国进入城市化初期的阶段。
