体育比赛数据分析_体育比赛数据库

1.世界杯纳米数据在哪看

2.假期新手练习Ph

3.NBA有哪些难以被打破的纪录？

根据国家体育总局社会体育指导中心2021年12月13日发布的《关于中国社会体育指导员协会唯一官方网址和证书购买方式的声明》（简称《声明》），中国社会体育指导员协会唯一官方网站链接地址为：www.shtyzdy.com，备案号为：京ICP备20027806号。

在该网站首页导航栏有“社会体育指导员查询”选项，可以通过该入口进行查询。

“国家体育总局未授权其他单位或个人建设社会体育指导员网站。”——《声明》

强烈不建议通过搜索引擎查找该网站，因为其搜索引擎权重偏低，有时甚至不在搜索结果第一页。以下是2020年4月29日，国家体育总局社会体育指导中心在系统尚未上线时的声明，详见中国社会体育指导员协会关于防范虚假网站的重要声明

世界杯纳米数据在哪看

体育 ，不仅是人们对更快、更高、更强的人类极限的 探索 和挑战，也是 社会 发展和人类进步的重要标志，是综合国力和 社会 文明程度的重要体现。如今， 科技 对促进 体育 发展的重要性日益凸显——随着计算机技术的飞速发展，以数字化为基础、网络化为条件、智能化为核心的智能 体育 正在成为热点，通过对 体育 运动过程中的数据进行采集和分析，帮助运动员科学训练并提高运动水平，协助教练员与管理者进行决策和管理，不仅满足竞技 体育 的需要，也在全民健身、运动社交等方面改变并推动着 体育 的发展。

竞技 体育 智能化训练与比赛

现代 体育 比赛不仅是各国运动员速度与力量的竞技场，也是世界各国展示形象，尖端 科技 与 体育 融合的大舞台。随着人类对挑战自身的执着追求，各竞技项目的成绩不断逼近人体能力的极限，要想进一步提高比赛成绩，哪怕是提高百分之一甚至千分之一，教练与运动员都要竭尽全力采用各种方式和技术去实现， 科技 的赋能作用也就愈发重要。

2018年俄罗斯世界杯上，数字化表现和跟踪系统（EPTS）被首次全面采用。它的主要功能是将运动的时空信息自动化采集并数据化呈现，从而实现对训练与比赛的数字化阅读。借助摄像机与可穿戴式传感器，EPTS系统能够追踪球员以及足球的运动信息，并通过平板电脑向教练员提供球员的统计数据、位置信息以及相应的视频剪辑，帮助教练员进行赛场上的决策。作为EPTS的一部分，Catapult可穿戴传感器也首次在世界杯中获准使用。这款运动员智能追踪系统的核心部件是一个穿戴在运动员肩胛骨中间、火柴盒大小的卫星定位装置，可以监测运动员的跑动距离、速度、跑动节奏、受冲击负荷、心率等多项数据，并进行深入分析。当前，在全世界职业足球、曲棍球、橄榄球运动队中，这样的设备已成为了球队训练的标配。运动员经常会穿着配备这个装置的“黑背心”进行训练，教练员不仅能够在场边实时查看整个球队的表现并进行指导，也可以了解每个运动员的状态并给予针对性的训练运动量调控，减少伤病的发生概率。

在数字化方面，美国国家男子篮球联赛也是一个成功的范例，每个俱乐部都拥有一支由数据科学、运动科学、医学等不同领域专家构成的运动表现分析团队。数据科学的用途也远不限于简单的事件统计（如：投篮、篮板球、助攻等），而是根据教练员战术需求，将比赛中由智能追踪系统捕捉到的篮球和球员的时空数据进行基于深度学习和数据挖掘的分析，帮助教练员和运动员理解数据背后的比赛模式、受伤风险、对手风格，预测各类战术的成功机会。掌握这些信息之后，教练就能评估不同位置球员对球队的贡献程度、设计训练计划、制定相应战术。在这样的复杂体系中，以SportVU为代表的智能化系统发挥着至关重要的作用。SportVU技术起源于军事用途的多摄像头动态追踪技术，通过在球馆天花板上悬挂的6个摄像头，系统每秒抓取25图像，对球员的运动进行追踪分析。传统的数据统计方法只对主要结果进行统计，而SportVU系统则可以还原整个过程，提供更加细化、量化的数据，这也代表了 体育 数据科学的一个主要发展方向。

除了团队运动中的多人时空信息分析外，对运动员个人技术动作的数据采集与分析评估技术近年来也得到了长足的发展，这背后的最主要动力是动作捕捉技术的进步。动作捕捉技术是数字化采集三维人体运动的手段，过往由于需要复杂的设备与环境，使用非常不便，动作捕捉技术的主要应用局限于**大片制作，在 体育 中一般仅在科研中使用。随着动作捕捉技术向轻量化、易用性的不断发展，基于动作捕捉技术的运动分析系统也进入了实用阶段。例如，基于可穿戴式设备的高尔夫运动动作分析与辅助训练系统MySwing，借助穿戴在球员身上的多个微型运动传感器，可以精准捕捉球员的身体以及球杆的空间运动数据并提供分析结果，利用多种不同数据可视化方式，帮助球员以及教练更好的洞察肉眼难以观察到的技术细节。借助这样的设备，教练对球员的指导就不再“凭感觉、凭经验”，主观的经验得以量化形成数据模型，不仅对技术动作的分析更加客观，而且训练的针对性更强，训练效率更高。

运动员比赛成果的提高不仅来自于训练水平提升，运动装备的 科技 含金量提高也是其中的重要因素，甚至某些时候会对运动带来重大的改变。纵观奥林匹克 历史 ，装备的 科技 进步对竞技成绩提高起到了重要的推动作用，连续在最近三届奥运会上称霸自行车赛场的英国队就是其中的代表。在这项以千分之一秒来决定成绩的比赛里，每一丝细微的偏差和改进都能够改变比赛的结果，英国队应用高 科技 手段将人与车的完美结合做到了极致。基于流体动力学与人机工程分析，每名英国选手的比赛用车都经过了精密调节，使人与车之间的契合程度达到最高。此外，高 科技 的比赛用服、特制的赛车轮胎等，也都成为英国队的“国家秘密”。为了防止高 科技 秘密外泄，英国自行车队甚至规定，比赛结束后装备和器械立即上缴，统一收回销毁。

我国的 体育 科技 也正在迈入智能化时代。随着2022年北京冬奥会的临近，冬奥会备战工作不断深入，许多高 科技 手段被应用于运动员训练的各个环节，在人工智能、大数据和物联网技术的帮助下，竞技 体育 的“训练— 科技 助力—保障”的新模式已经形成，并成为冬季项目补齐短板、实现跨越式发展的关键因素。例如，在我国自主开发的风洞实验辅助训练系统中，借助风洞模拟技术，不仅可以进行实验研究，也能够开展冰雪项目辅助训练；通过全景VR滑雪模拟器，构建数字化虚拟训练场地环境，为我国高山滑雪和单板滑雪运动员提供不同地形和雪地条件的模拟，运动员在室内就能够以真实的滑雪速度和重力体验完成训练，提高比赛适应能力；多种不同动作捕捉技术被广泛应用与运动员的技术动作采集与分析，为运动员精细打磨技术动作提供有效助力。

在未来，借助大数据和人工智能手段，以数据方式对运动员在技术、战术、体能、心智、个性等多个维度进行评估，构建可量化的“冠军模型”将成为不仅切实可行，甚至不可或缺的训练与比赛方法，智能 科技 也将在训练与比赛中对教练与运动员产生愈发深远的影响。

观看比赛 数字化赛场与智能观赛

一些国外职业 体育 赛事中，观众已经可以坐在家中，通过头戴式VR显示设备，“零延时”“零距离”地观看比赛。

在蔓延全球的新冠疫情暴发后，昔日一票难求的比赛场馆已很难听到观众的呐喊声，观看赛事转播成为眼下几乎唯一的观赛方式。丰富 体育 转播手段，让广大球迷与 体育 爱好者能够以互动性更好、更具沉浸感的方式欣赏感兴趣的赛事成为 体育 产业发展的重要环节。

培养观众对 体育 热情的一个要点是帮助他们了解项目，能够看懂比赛，阅读比赛。为了让不熟悉项目的观众迅速、全面地了解比赛信息，对项目感兴趣的观众看到更多自己感兴趣的内容，视频AI技术的应用将成为主流。该技术通过人工智能方法对视频画面进行学习、分析、理解和认知，涉及视频分类、人物识别、语音识别、文字识别等。其主要的应用场景在于突破传统转播下单一的观赛形式，形成个性化观赛模式。当观众通过特定APP观看比赛时，系统不断学习并获取其兴趣点，通过识别其喜爱的球员以及比赛中的关键动作，实时生成比赛集锦，在比赛过程中自动选择最佳观赛机位，在比赛间隙播放其最感兴趣的比赛精彩瞬间。观众也可以随时查看获取比赛不同维度的信息，例如，查看运动员详细个人信息、了解项目规则介绍等。随着视频AI技术的不断进步，该应用有着广阔的发展空间。

新型可视化技术、无线通信和新兴互联网技术的结合不断突破距离限制，为观众在家中实现无接触、近距离观赛与互动体验创造了条件。其中，5G和虚拟现实（VR）技术的应用加速了智能观赛的发展，在一些国外职业 体育 赛事中，观众已经可以坐在家中，通过头戴式VR显示设备，“零延时”“零距离”地观看比赛。利用5G“高速率、低延迟”的网络特点，2022年北京冬奥会将采用5G+8K的直播技术，届时观众可以随时随地收看高清转播，并可通过移动终端的社交软件将精彩画面实时地与亲友分享。同时，北京冬奥会也将实现5G+VR转播，通过VR技术带来的360度观赛视角，观众可以自由旋转视角观看比赛，实现身临其境的现场感。在VR中不仅可以看到完全真实的比赛场景，甚至可以达到超越现实的体验。在观赛过程中，通过对场馆环境以及运动目标的识别，针对用户的喜好，还可以叠加多种数字化信息，实现个性化观赛体验，达到更好的观赛效果。

在过去，比赛中时常会由于一次不当判罚而破坏整场比赛，对比赛本身的公平性以及观赛体验带来不利影响。针对这个问题，智能 科技 正在被引入赛场打造“智慧赛场”。早在2006年，“鹰眼”系统就被用于网球比赛中，通过不同角度的高速摄像机捕捉的网球飞行轨迹并进行三维重建和落点计算，在出现争议比分时“鹰眼”系统辅助裁判确定网球的精确落点。类似技术也被引入到足球比赛中成为门线技术，通过计算机辅助，判断足球是否越过球门线，从而确定该进球是否有效。该技术2013年由国际足联决定正式引入世界杯，成为足球史上高 科技 被采纳的一个 历史 性决定。2018年俄罗斯世界杯足球赛期间，国际足联更首次在比赛中采用了视频助理裁判系统（VAR），当比赛中出现球进门、红牌、红黄牌罚错对象和点球这四种情况时，VAR系统就会提醒场上裁判，通过视频回放与自动识别技术纠正误判、漏判。此外，在以体操为代表的针对技巧与难度打分的项目中，人工智能裁判也正在酝酿之中。由于竞争的激烈，体操运动员之间的动作差异变得越来越细小、微妙，对裁判的能力要求也越来越高，而裁判在长时间工作后保持评分的准确性也更加困难。人工智能体操评分系统通过3D激光传感器测量并建立运动员的三维人体运动模型，就其旋转速度、肢体摆动幅度及跳跃高度做出极为精确的记录，并与数据库资料进行比较，从而判断运动员技术动作是否成功、是否需要加分、减分。据预测，如果人工智能评分技术在体操中测试顺利，还将被扩大到花样滑冰、跳水等其他比赛项目之中。

大众健身 实现专业化和增强 娱乐 性

智能化技术正在不同的运动项目中逐渐得以应用，运动技术的评估与训练辅助是人工智能技术在全民健身产业发展中的一个重要应用领域。

人们希望在专业人员的指导下有计划、有步骤的运动，但专业化健身指导信息资源与途径匮乏，大众健身活动中难免存在一定的盲目性、随意性以及风险。在一些运动科学发达，普及程度高的国家，按照“运动处方”科学地进行锻炼，是普遍被所接受的事情，但在我国运动处方对绝大多数人来说仍然是一个新概念，运动处方师更是稀缺。运动处方是指导人们采用最适合的锻炼项目，以最适当的运动强度和活动时间，根据锻炼者的基本情况与评测结果，结合主客观条件，用处方的形式制定对锻炼者适合的运动内容、运动强度、运动时间及频率，并指出运动中的注意事项，以达到科学的、有计划的健身目的。针对人民群众对于科学健身的迫切需求与科学指导信息资源不足之间的矛盾，可以预见基于人工智能技术的运动处方管理系统在我国将有着巨大的发展潜力。

智能化的运动处方系统建立在大量的专家知识基础上，以用户的体质测试数据为基础，对用户的运动能力进行充分评估，预测可能的运动风险，结合其锻炼目的制定健身运动处方，并对锻炼过程进行动态监控，对运动处方有效性进行不断校验，在大数据的基础上，通过机器学习进而对运动处方进行持续优化。

智能可穿戴式设备的迅速发展为运动处方的制定与有效执行创造了有利条件。当跑动距离、速度、心率、心电、血氧等越来越多的指标得以在智能手环、智能手表等可穿戴式设备中实现的时候，大型专业设备变成了每个人都可以随身携带的 健康 助手，过去复杂的测试现在不知不觉就得以完成，智能运动处方已经不再遥远。

在达到合适运动量的同时，锻炼者保持良好的运动技术同样重要，这也需要专业知识的指导。以最常见的跑步为例，跑者的技术动作如果存在问题，不仅会影响到跑步的运动表现，更是导致发生运动损伤的关键因素。对于专业的研究人员来说，跑步过程中的技术动作可以用脚落地模式、地面接触时间、竖向摆动以及膝关节屈伸角度等专业数据指标来描述，过往这些都需要在实验室环境下才能进行精确的分析，而现在已经出现面向普通消费者的智能产品，通过自动化手段帮助跑者诊断跑步中的技术问题并基于数据来指导其改进，从而使普通人也能接受到专业的运动技术辅导。类似的智能化技术正在不同的运动项目中逐渐得以应用，运动技术的评估与训练辅助是人工智能技术在全民健身产业发展中的一个重要应用领域。

为了帮助锻炼者按照计划坚持进行运动，提升锻炼过程中的 娱乐 性也成为重点。不同形式的互动与社交方式通过智能设备被引进到锻炼中：基于智能可穿戴设备的锻炼记录、打卡排名已经非常普及；通过智能互动屏幕，锻炼者与虚拟数字教练进行互动，或者通过摄像头与麦克风在锻炼过程中与其他人进行社交的产品受到追捧；更加具有突破性的新技术也将很快从实验室走向大众，在户外锻炼时通过增强现实（AR）眼镜进行 娱乐 与社交的“黑 科技 ”已经不再遥远。在智能 科技 的助力下，大众健身将变得更加科学、有效，也更加富有趣味性。

（作者：刘昊扬、崔一雄、陶宽，均来自北京 体育 大学，刘昊扬系教授、崔一雄系博士后、陶宽系讲师）

假期新手练习Ph

随着人们对于网络信息的高标准化要求，当今时代大数据的应用已经势如破竹，多功能集成的纳米数据已经服务于体育领域，世界杯中那些令人兴奋的数据，体育互联网行业的发展众所瞩目，全新的数据品牌纳米数据在2018年上海互联网体育行业论坛上崭露头角以来，受到各方的关注，并且造成了深远影响。作为国内顶尖的体育数据服务商之一的纳米数据，利用目前最具前景的高密度数据存储的纳米技术，为各项赛事如足球、篮球、网球等提供详细的资料，包括即时数据、数据分析、即时指数、情报分析等。

纳米数据已经掌握了成熟完善的体育数据支持体系，在报道足球比赛事件中，对于即时比分、进球技术统计、文字直播等实现了可靠的分析，一条含金量高的情报分析直接帮助客户梳理比赛球队的实况，并且提供高效的接口。比赛双方的首发阵容和伤病情况，部分隐秘信息提前获知，球队实力的走势分析等。用户得以通过主流体育机构开出的指数数据更全面地了解比赛信息。纳米数据提供对于赛事赛程，比赛结果的分析，以及各大足球队球员的统计资料如生理资料，体征数据，环境数据，心态数据等，球员的成绩数据及伤病恢复等数据，球员出场情况实行的统计分析，可以实现精准的预测。在动画直播中会实时展示比赛过程，打破了无法收看视频直播或者无转播信号时的无奈，球迷可通过纳米数据提供的动画直播平台快速的了解多场实时还原的足球比赛的盛况，并且具备了低流量、低延迟、可视性强的特点，球迷何乐而不为呢。对于球迷最关注的比赛结果也很直观并第一时间知晓。平台还将赛事的积分榜单和分区排名等如实呈现，提高了数据的丰富度，客户也能享受到及时的信息服务。

纳米数据拥有一套完整的体育数据处理系统和解决各种情况的方案，提供的体育赛事数据也是多维的，而且不受数据源参次不齐的影响，提供着高效而丰富的足球球员数据统计，随时满足客户对于精细数据的追求。纳米数据的脱颖而出旨在用最优的数据创造最高的价值，联合百度、PP体育、直播吧、懂球帝等知名平台进行数据的对接，使得用户可以多渠道的应用纳米数据提供的数据资讯。纳米数据将引领体育大数据方向，整合体育大数据，为客户提供全方位的大数据服务。

NBA有哪些难以被打破的纪录？

适合新手练习的项目Python机器学习练完你就牛了!

Python机器学习

再多的理论也不能代替动手实践。

教科书和课程会让你误以为精通，因为材料就在你面前。

但当你尝试去应用它时，可能会发现它比看起来更难。而

「项目」可帮助你快速提高应用的ML技能，同时让你有

机会探索有趣的主题。

此外，你可以将项目添加到你的投资组合中，从而更轻松

地找到工作，找到很酷的职业机会，甚至协商更高的薪水

1、机器学习角斗士

我们亲切地称其为「机器学习角斗士」，但它并不新鲜。

这是围绕机器学习建立实用直觉的最快方法之一。

目标是采用开箱即用的模型并将其应用于不同的数据集。

这个项目很棒有3个主要原因：

首先，你将建立模型与问题拟合的直觉。哪些模型对缺失

数据具有鲁棒性?哪些模型可以很好地处理分类特征?是

的，你可以翻阅教科书来寻找答案，但是通过实际操作您

会学得更好。

Python机器学习

其次，这个项目将教你快速制作原型的宝贵技能。在现实

世界中，如果不简单地尝试它们，通常很难知道哪种模型

表现最好。

最后，本练习可以帮助你掌握模型构建的工作流程。例如

，你将开始练习……

清理数据

将其拆分为训练/测试或交叉验证集

预处理

转型

特征工程

因为你将使用开箱即用的模型，你将有机会专注于磨练这

些关键步骤。

查看sk learn(Python) 或caret(R) 文档页面以获取说明

。你应该练习回归、分类和聚类算法。

教程：

·Python：sklearn-sklearn包的官方教程

·使用Sci kit-Learn预测葡萄酒质量――训练机器学习模

型的分步教程

Python机器学习

·R：caret-由caret包的作者提供的网络研讨会

数据源

·UCI机器学习存储库--350多个可搜索的数据集， 涵盖

几乎所有主题。您一定会找到您感兴趣的数据集。

·Kag gle数据集--Kag gle社区上传的100多个数据集。

这里有一些非常有趣的数据集， 包括Pokemon Go产卵地

点和圣地亚哥的墨西哥卷饼。

·data.gov―-美国政府发布的开放数据集。如果您对社

会科学感兴趣，可以去看看。

2、玩钱球

在《点球成金》一书中，对于初学者来说，有很多有趣的

机器学习项目。例如，您可以尝试…·

·体育博彩……根据每场新比赛前的可用数据预测盒子得

分。

·人才球探……使用大学统计数据来预测哪些球员将拥有

最好的职业生涯。

Python机器学习

·综合管理......根据他们的优势创建球员集群，以建立一

个全面的团队。

体育也是练习数据可视化和探索性分析的绝佳领域。你可

以使用这些技能来帮助您决定要在分析中包含哪些类型的

数据。

数据源

·体育统计数据库―-体育统计和历史数据，涵盖了许多

职业运动和一些大学运动。干净的界面使网页抓取更容易

·Sports Reference-另一个体育统计数据库。界面更杂

乱， 但可以将单个表格导出为CSV文件。

·cric sheet.org-国际和IPL板球比赛的逐球数据。提供

IPL和T 20国际比赛的CSV文件。

3、预测股票价格

对于任何对金融感兴趣的数据科学家来说，股票市场就像是糖

果乐园。

首先，您有多种类型的数据可供选择。您可以找到价格、基本

面、全球宏观经济指标、波动率指数等……不胜枚举

其次，数据可能非常精细。您可以轻松获取每家公司按天(甚

至按分钟)的时间序列数据，从而让您创造性地思考交易策略

Python机器学习

最后，金融市场通常具有较短的反馈周期。因此，您可以

快速验证您对新数据的预测。

你可以尝试的一些适合初学者的机器学习项目示例包括…

·量化价值投资……根据公司季度报告的基本面指标预测

6个月的价格走势。

·预测……在隐含波动率和实际波动率之间的差值上构建

时间序列模型，甚至是循环神经网络。

·统计套利……根据价格走势和其他因素找到相似的股票

，并寻找价格出现分歧的时期。

明显的免责声明：建立交易模型来练习机器学习很简单。

让他们盈利是极其困难的。这里没有任何财务建议，我们

不建议交易真钱。

教程

·Python：sklearnforInvesting-将机器学习应用于投资

的YouTube视频系列。

·R：Quantitative Trading with R-使用R进行量化金融

的详细课堂笔记。

数据源

Python机器学习

·Quand l-提供免费(和优质) 金融和经济数据的数据市

场。例如，您可以批量下载3000多家美国公司的日终股

票价格或美联储的经济数据。

·Quanto pian-量化金融社区， 为开发交易算法提供免费

平台。包括数据集。

·US Fundamentals Archive-5000多家美国公司的5年

基本面数据。

4、教神经网络阅读笔迹

神经网络和深度学习是现代人工智能的两个成功案例。它

们在图像识别、自动文本生成甚至自动驾驶汽车方面取得

了重大进展。

要涉足这个令人兴奋的领域，您应该从可管理的数据集开

始。

M NIST手写数字分类挑战赛是经典的切入点。图像数据通

常比「平面」关系数据更难处理。M NIST数据对初学者很

友好，并且小到可以放在一台计算机上。

手写识别会挑战你，但它不需要高计算能力

首先，我们建议使用下面教程中的第一章。它将教你如何

从头开始构建神经网络， 以高精度解决M NIST挑战。

Python机器学习

教程

·神经网络和深度学习(在线书籍)--第1章介绍了如何在

Python中从头开始编写神经网络， 以对来自M NIST的数字进

行分类。作者还对神经网络背后的直觉给出了很好的解释。

数据源

·M NIST-M NIST是美国国家标准与技术研究院收集的两个数

据集的修改子集。它包含70，000个带标签的手写数字图像

5、调查安然

学习项目示例

·异常检测…...按小时绘制和接收电子邮件的分布图，并尝试检

测导致公共丑闻的异常行为。

·社交网络分析…在员工之间建立网络图模型以找到关键影响

者。

·自然语言处理……结合电子邮件元数据分析正文消息，以根据

电子邮件的目的对电子邮件进行分类。

数据源

·安然电子邮件数据集--这是由CMU托管的安然电子邮件存

档。

·安然数据描述(PDF) -对安然电子邮件数据的探索性分析， 可

以帮助您获得基础。

NBA大大小小的数据、荣誉、比赛都被记录了下来，NBA的数据库从来都是只有你想不到，没有他记不下。但考虑到大众的普及性，NBA的这四个记录既能让人瞠目结舌，也能让人感觉打破这五项记录简直难如登天。下面我们就里简单了解一下这四项难以打破的记录吧！

冠军顶峰：拉塞尔独得11枚冠军戒指

每年6月，当NBA球员们为了总冠军争个你死我活的时候，有一个传奇名宿却可以把自己的冠军戒指拿出来带满两只手还不止。他就是比尔拉塞尔，NBA中的指环王。凯尔特人王朝几乎把当时的NBA变成了自己的，拉塞尔之下，10枚戒指的萨姆琼斯、8枚戒指的哈弗里切克、海因索恩、桑德斯以及KC.琼斯都或多或少与那支凯尔特人有关。最接近这个记录的反而是个角色型球员，7冠的罗伯特霍里，但和拉塞尔依然差了4个总冠军。

得分之巅：张伯伦单场100分&场均50.4分

单场100分的盛名之下，是单赛季恐怖的场均50.4分，这个记录只怕比单场100分更难打破。细究张伯伦的那个赛季，还有很多隐藏的记录。比如他场均出场48.5分钟，堪称神兽之躯；比如50.4分的同时，场均还有25.7个篮板。如果你说单场100分会被打破，那么拿100分的赛季场均50.4分呢？如果你说这也不难，那么再加25.7个篮板呢？什么，2K？场均48.5分钟也够让你忙活一阵了吧！

得分王者：乔丹10个得分王

不说别的，就上面那个场均100分+单场50分怪兽也就7个得分王。而乔丹更是连续七年制霸得分榜。论数据，他可能不如张伯伦的100分和50分震撼，但耐不住人家当了联盟10年的头牌得分手。而且，15年职业生涯里，没拿得分王的5年里，一年新秀，一年伤退，一年回归赛季打了17场，剩下两年在奇才。也就是说，乔丹正儿八经打的赛季都是得分王。

助攻之神：斯托克顿15806次助攻

斯托克顿在NBA打了19年，1504场比赛，共送出15806次助攻，比第二的基德多3000多次。其实在斯托克顿神级总助攻数据背后的原因更能见证他的伟大。19个赛季，1504场比赛，非同寻常的职业生涯长度以及稳定的状态?场均10.5次助攻。职业生涯场均助攻比斯托克顿多的只有魔术师约翰逊，和他接近的是克里斯保罗，但这两人比他少打了近600场比赛（天知道保罗还能保持多久的状态）。另外，斯托克顿有两个赛季场均超过14次助攻，连续8个赛季场均助攻超过12个以及16个82场全勤赛季。