Forbes 프로스포츠 리그 가치 평가

Won 4/13/2019

시작은 이 기사였다.

#포브스는 매년 미국 4대 스포츠 리그의 가치를 평가해 발표한다. #이 기사는 올해 처음 NBA의 구단 평균 가치가 MLB를 넘어섰다고 썼다. 직접 확인해보고 싶었다.

크롤링

#크롤링을 위해 포브스 홈페이지의 이 페이지 : https://www.forbes.com/nba-valuations/list/ 를 살펴보니 다행히 JSON 형식 서버 페이지를 볼 수 있었다.

#2012년 데이터부터 확인할 수 있었으며, url 안에 리그 이름만 바꿔주면 쉽게 데이터를 불러 올 수 있게 돼 있었다.

league <- c("mlb", "nba", "nfl", "nhl")

value_usapro <- NULL . 
for(i in league){ . 
  if(i == "mlb" | i == "nba"){ . 
    year <- 2012:2019 . 
  } else { . 
    year <- 2012:2018 . 
  } . 
    for(t in year){
      a <- fromJSON(str_c('https://www.forbes.com/ajax/list/data?year=', t , '&uri=', i, '-valuations&type=organization'))
      a <- a[,c(1:10)]
      a <- a %>%
        mutate(year = t, league = i)
      a <- a[,c(4, 11, 12, 6:10, 2)]
      value_usapro <- rbind(value_usapro, a)
      print(str_c(i, '의 ', t, '시즌을 탐색 중입니다'))
    }
}

value_usapro %>%  head(10)

##                     uri year league operatingIncome revenue debtValue
## 1  arizona-diamondbacks 2012    mlb            27.2     186        39
## 2        atlanta-braves 2012    mlb            20.7     203         0
## 3     baltimore-orioles 2012    mlb            12.9     179        33
## 4        boston-red-sox 2012    mlb            25.4     310        24
## 5          chicago-cubs 2012    mlb            28.1     266        66
## 6     chicago-white-sox 2012    mlb            10.7     214         7
## 7       cincinnati-reds 2012    mlb            17.1     185        10
## 8     cleveland-indians 2012    mlb            30.1     178        27
## 9      colorado-rockies 2012    mlb            14.4     193        15
## 10       detroit-tigers 2012    mlb             8.2     217        39

2012년부터 2019년까지 각 리그별 가치의 합계와 평균 값을 구해봤다.

value_sum <- value_usapro %>%
  group_by(league, year) %>%
  summarise(sum = sum(valueList), teams = n()) 

value_sum <- value_sum %>% 
  mutate(ave = sum / teams) 

value_sum$ave <- round(value_sum$ave)
value_sum   

## # A tibble: 30 x 5
## # Groups:   league [4]
##    league  year   sum teams   ave
##    <chr>  <int> <int> <int> <dbl>
##  1 mlb     2012 18153    30   605
##  2 mlb     2013 22307    30   744
##  3 mlb     2014 24327    30   811
##  4 mlb     2015 35985    30  1200
##  5 mlb     2016 38630    30  1288
##  6 mlb     2017 46105    30  1537
##  7 mlb     2018 49335    30  1644
##  8 mlb     2019 53280    30  1776
##  9 nba     2012 11776    30   393
## 10 nba     2013 15271    30   509
## # … with 20 more rows

mlb와 nba만 따로 뽑아 비교해봤다.

value_sum_vs <- value_sum %>%
  filter(league == "nba" | league == "mlb")
value_sum_vs %>% head(16)

## # A tibble: 16 x 5
## # Groups:   league [2]
##    league  year   sum teams   ave
##    <chr>  <int> <int> <int> <dbl>
##  1 mlb     2012 18153    30   605
##  2 mlb     2013 22307    30   744
##  3 mlb     2014 24327    30   811
##  4 mlb     2015 35985    30  1200
##  5 mlb     2016 38630    30  1288
##  6 mlb     2017 46105    30  1537
##  7 mlb     2018 49335    30  1644
##  8 mlb     2019 53280    30  1776
##  9 nba     2012 11776    30   393
## 10 nba     2013 15271    30   509
## 11 nba     2014 19029    30   634
## 12 nba     2015 33185    30  1106
## 13 nba     2016 37360    30  1245
## 14 nba     2017 40660    30  1355
## 15 nba     2018 49545    30  1652
## 16 nba     2019 56050    30  1868

nba와 mlb의 연도별 평균 가치를 바그래프로 그려봤다.

value_sum$year <- as.character(value_sum$year)

ggplot(data = value_sum_vs, aes(x = year, y = ave, fill = league)) +
  geom_bar(stat = "identity", position = "dodge") +
  geom_smooth(method = loess) +
  geom_text(aes(label = ave), size = 2.5, vjust = -0.5, position = position_dodge(width = 1)) +
  theme_set(theme_fivethirtyeight(base_family = "AppleGothic"))

graph

#그런데 이미 작년(2018년)에 nba가 mlb를 추월했다;;; 고로 최초가 아니다. 참고로 mlb 구단 가치는 이틀 전에 발표됐다.

#재작년에 이 기사https://news.joins.com/article/21100242를 쓸 때 엑셀 시트에 숫자를 일일 적었던 기억이 난다. R을 배우니 이렇게 편하네.

#데이터를 좀 더 만져봐야겠다.