【pybaseball基礎編④】打席単位のデータ取得

記事のシリーズ

pybaseball基礎編① pybaseballのライブラリの概要とインストール
pybaseball基礎編② シーズン単位のデータ取得
pybaseball基礎編③ 試合単位のデータ取得
pybaseball基礎編④ 打席単位のデータ取得【本記事】
pybaseball基礎編⑤ 1球単位のデータ取得（予定）
pybaseball基礎編⑥ 打球単位のデータ取得（予定）
pybaseball基礎編⑦ 投球単位のデータ取得（予定）

はじめに

前回の「pybaseball基礎編③」では、game_pkを使ってMLBの1試合分のStatcastデータを取得しました。

Statcastのデータは基本的に1球につき1行で記録されています。

そのため、1打席を分析するには、複数の投球データを「同じ打席」という単位でまとめて考える必要があります。

そこで今回は、at_bat_numberとpitch_numberを中心に、打席単位でStatcastデータを見る方法を解説します。

この記事では、以下の内容を扱います。

1球単位のデータと打席単位のデータの違い
at_bat_numberの意味
pitch_numberの意味
1打席分の投球を取り出す方法
eventsとdescriptionの違い
初球・最終球を確認する方法
1打席に何球投げられたかを集計する方法
大谷翔平選手の打席を例に分析する方法
打席単位のデータ分析で注意したいポイント

1. Statcastデータは「1球＝1行」

まず、前回の記事で取得したgame_dataを確認します。

from pybaseball import statcast_single_game

game_data = statcast_single_game(game_pk=777490)

display(game_data.head())

出力結果

index	pitch_type	game_date	release_speed	release_pos_x	release_pos_z	player_name	batter	pitcher	events	description	spin_dir	spin_rate_deprecated	break_angle_deprecated	break_length_deprecated	zone	des	game_type	stand	p_throws	home_team
202	FF	2025-06-16 00:00:00	93.5	-2.44	5.35	Wade, Tyler	642180	489446	field_out	hit_into_play	NaN	NaN	NaN	NaN	2	Tyler Wade pops out to third baseman Max Muncy.	R	L	R	LAD
215	FS	2025-06-16 00:00:00	86.7	-2.47	5.17	Wade, Tyler	642180	489446	NaN	called_strike	NaN	NaN	NaN	NaN	13	NaN	R	L	R	LAD
221	FF	2025-06-16 00:00:00	93.0	-2.46	5.21	Wade, Tyler	642180	489446	NaN	foul	NaN	NaN	NaN	NaN	3	NaN	R	L	R	LAD
231	FS	2025-06-16 00:00:00	85.9	-2.39	5.18	Iglesias, Jose	578428	489446	field_out	hit_into_play	NaN	NaN	NaN	NaN	9	Jose Iglesias lines out to shortstop Mookie Betts.	R	R	R	LAD
241	FF	2025-06-16 00:00:00	93.4	-2.35	5.38	Iglesias, Jose	578428	489446	NaN	foul	NaN	NaN	NaN	NaN	11	NaN	R	R	R	LAD

Statcastのデータでは、基本的に1回の投球が1行として記録されています。

例えば、ある打席で3球投げられた場合、概念的には次のようになります。

at_bat_number	pitch_number	pitch_name	description
10	1	4-Seam Fastball	called_strike
10	2	Slider	ball
10	3	Changeup	hit_into_play

3行ありますが、これは3打席ではありません。

同じat_bat_numberなので、1つの打席に3球投げられたことを表しています。

Baseball SavantのStatcast CSV仕様では、at_bat_numberは「その試合における打席番号」、pitch_numberは「その打席における投球番号」と定義されています。(Statcast Search CSV Documentation)

2. `at_bat_number`とは？

at_bat_numberは、その試合の中で何番目の打席かを表す番号です。

例えば、

at_bat_number = 25

なら、その試合の25番目の打席という意味です。

重要なのは、at_bat_numberが投球番号ではないことです。

同じ打席に5球投げられた場合、

at_bat_number
25
25
25
25
25

のように、5球すべて同じat_bat_numberになります。

一方、pitch_numberは、

となります。

つまり、

at_bat_number
    ↓
「何番目の打席？」

pitch_number
    ↓
「その打席の何球目？」

となります。

3. `pitch_number`とは？

pitch_numberは、その打席の中で何球目に投じられた球なのかを表します。

例えば、

at_bat_number	pitch_number	pitch_name
12	1	4-Seam Fastball
12	2	Slider
12	3	Changeup
12	4	Curveball

なら、

12番目の打席で、4球の投球があった

ということになります。

4. 打席単位でデータを見る

例えば、大谷翔平選手の打撃データをohtani_dataとして取得しているとします。

まず、打席番号と投球番号を確認します。

OHTANI_ID = 660271

ohtani_data = game_data[
    game_data["batter"].astype(str) == str(OHTANI_ID)
].copy()

ohtani_pitches = (
    ohtani_data[
        [
            "game_date",
            "inning",
            "at_bat_number",
            "pitch_number",
            "pitch_name",
            "release_speed",
            "events",
            "description"
        ]
    ]
    .sort_values(
        ["at_bat_number", "pitch_number"]
    )
)

display(ohtani_pitches)

出力結果

index	game_date	inning	at_bat_number	pitch_number	pitch_name	release_speed	events	description
296	2025-06-16 00:00:00	1	6	1	Slider	89.0	NaN	ball
286	2025-06-16 00:00:00	1	6	2	4-Seam Fastball	99.5	NaN	called_strike
276	2025-06-16 00:00:00	1	6	3	Slider	90.6	NaN	called_strike
266	2025-06-16 00:00:00	1	6	4	Slider	90.4	NaN	ball
253	2025-06-16 00:00:00	1	6	5	Slider	91.4	NaN	foul
239	2025-06-16 00:00:00	1	6	6	Slider	91.3	NaN	ball
229	2025-06-16 00:00:00	1	6	7	Slider	92.4	strikeout	swinging_strike
75	2025-06-16 00:00:00	3	22	1	Slider	92.1	NaN	blocked_ball
73	2025-06-16 00:00:00	3	22	2	Slider	91.5	double	hit_into_play
31	2025-06-16 00:00:00	4	36	1	4-Seam Fastball	99.5	NaN	foul
30	2025-06-16 00:00:00	4	36	2	4-Seam Fastball	98.3	single	hit_into_play
217	2025-06-16 00:00:00	6	53	1	Slider	88.7	NaN	swinging_strike
208	2025-06-16 00:00:00	6	53	2	Sinker	96.1	NaN	called_strike
195	2025-06-16 00:00:00	6	53	3	Slider	88.8	NaN	blocked_ball
192	2025-06-16 00:00:00	6	53	4	Sinker	95.4	strikeout	swinging_strike
121	2025-06-16 00:00:00	8	69	1	Curveball	83.2	NaN	swinging_strike
118	2025-06-16 00:00:00	8	69	2	4-Seam Fastball	96.4	NaN	ball
113	2025-06-16 00:00:00	8	69	3	4-Seam Fastball	97.3	NaN	ball
111	2025-06-16 00:00:00	8	69	4	Curveball	84.1	NaN	ball
107	2025-06-16 00:00:00	8	69	5	Slider	87.1	walk	ball

ここでポイントになるのが、

.sort_values(
    ["at_bat_number", "pitch_number"]
)

です。

これは、

打席の順番
その打席の中での投球順

という順番でデータを並べています。

Statcastのデータ取得処理でも、pybaseballはgame_date、game_pk、at_bat_number、pitch_numberなどを使ってデータを並べる処理を行っています。(pybaseball GitHub)

5. 1打席だけを取り出す

すべての打席を見ると行数が多くなるので、まず1つの打席だけ取り出してみましょう。

例えば、

target_at_bat = 53

one_pa = ohtani_data[
    ohtani_data["at_bat_number"] == target_at_bat
].copy()

display(
    one_pa[
        [
            "game_date",
            "inning",
            "at_bat_number",
            "pitch_number",
            "pitch_name",
            "release_speed",
            "events",
            "description"
        ]
    ].sort_values("pitch_number")
)

これで、指定した打席の投球だけを確認できます。

例えば、

index	game_date	inning	at_bat_number	pitch_number	pitch_name	release_speed	events	description
217	2025-06-16 00:00:00	6	53	1	Slider	88.7	NaN	swinging_strike
208	2025-06-16 00:00:00	6	53	2	Sinker	96.1	NaN	called_strike
195	2025-06-16 00:00:00	6	53	3	Slider	88.8	NaN	blocked_ball
192	2025-06-16 00:00:00	6	53	4	Sinker	95.4	strikeout	swinging_strike

のようなデータになります。

この場合、

1球目：空振りストライク
2球目：見逃しストライク
3球目：捕手が止めたボール
4球目：空振り三振

という流れを確認できます。

6. `events`と`description`の違い

打席分析では、eventsとdescriptionの違いを理解しておくことが重要です。

Baseball SavantのCSV仕様では、

events → 打席の結果
description → その投球の結果

として定義されています。(Statcast Search CSV Documentation)

例えば、

description = ball
description = called_strike
description = swinging_strike
description = hit_into_play

などは、その1球がどうなったかを見るための情報です。

一方、

events = single
events = double
events = home_run
events = strikeout
events = walk
events = field_out

などは、打席の最終的な結果を見るための情報です。

7. 打席の最後の球を取り出す

打席結果を確認するときには、最後の投球を見る方法も便利です。

例えば、

last_pitch = (
    one_pa
    .sort_values("pitch_number")
    .iloc[-1]
)

display(
    last_pitch[
        [
            "pitch_number",
            "pitch_name",
            "release_speed",
            "events",
            "description"
        ]
    ]
)

出力結果

pitch_number	4
pitch_name	Sinker
release_speed	95.4
events	strikeout
description	swinging_strike

これで、その打席の最後の投球を確認できます。

eventsに打席結果が記録されていれば、

single
double
home_run
strikeout
walk
field_out

など、打席の結果を確認できます。

8. 1打席に何球投げられたか調べる

次に、打席ごとの投球数を集計してみます。

ここではat_bat_numberごとに行数を数えます。

pa_pitch_count = (
    ohtani_data
    .groupby("at_bat_number")
    .size()
    .reset_index(name="pitch_count")
)

display(pa_pitch_count)

例えば、

index	at_bat_number	pitch_count
0	6	7
1	22	2
2	36	2
3	53	4
4	69	5

のようになります。

これだけでも、

「この試合では、何球粘った打席があったのか？」

といった分析ができます。

9. 打席結果も一緒にまとめる

さらに、打席ごとの最終結果をまとめてみましょう。

pa_summary = (
    ohtani_data
    .sort_values(["at_bat_number", "pitch_number"])
    .groupby("at_bat_number")
    .agg(
        pitch_count=("pitch_number", "count"),
        result=("events", "last")
    )
    .reset_index()
)

display(pa_summary)

例えば、

index	at_bat_number	pitch_count	result
0	6	7	strikeout
1	22	2	double
2	36	2	single
3	53	4	strikeout
4	69	5	walk

のような表を作れます。

これによって、**「何球投げられた打席で、どんな結果になったのか」**を比較できます。

10. 初球を分析する

打席分析では、初球を見るのも面白いポイントです。

各打席のpitch_number == 1を抽出してみます。

first_pitches = (
    ohtani_data[
        ohtani_data["pitch_number"] == 1
    ]
    [
        [
            "game_date",
            "inning",
            "at_bat_number",
            "pitch_name",
            "release_speed",
            "description"
        ]
    ]
    .sort_values("at_bat_number")
)

display(first_pitches)

出力結果

index	game_date	inning	at_bat_number	pitch_name	release_speed	description
296	2025-06-16 00:00:00	1	6	Slider	89.0	ball
75	2025-06-16 00:00:00	3	22	Slider	92.1	blocked_ball
31	2025-06-16 00:00:00	4	36	4-Seam Fastball	99.5	foul
217	2025-06-16 00:00:00	6	53	Slider	88.7	swinging_strike
121	2025-06-16 00:00:00	8	69	Curveball	83.2	swinging_strike

これで、

大谷翔平選手の各打席で、初球にどんな球が投げられたのか

を確認できます。

さらに球種ごとに集計することもできます。

first_pitch_type = (
    ohtani_data[
        ohtani_data["pitch_number"] == 1
    ]
    .groupby("pitch_name")
    .size()
    .reset_index(name="count")
    .sort_values("count", ascending=False)
)

display(first_pitch_type)

出力結果

index	pitch_name	count
2	Slider	3
0	4-Seam Fastball	1
1	Curveball	1

11. 打席単位の分析で便利な列

ここまで使った列を整理しておきます。

列	意味	打席分析での用途
`game_date`	試合日	試合の識別
`inning`	イニング	打席が発生した場面
`at_bat_number`	試合内の打席番号	打席の識別
`pitch_number`	打席内の投球番号	投球順の確認
`pitch_name`	球種	球種分析
`release_speed`	投球速度	球速分析
`events`	打席結果	打席結果の分析
`description`	その投球の結果	ボール・ストライク・空振りなどの分析
`launch_speed`	打球速度	打球分析
`launch_angle`	打球角度	打球分析
`hit_distance_sc`	Statcastによる推定飛距離	打球の飛距離分析

at_bat_numberとpitch_numberは、「打席」と「投球」を結びつけるための基本的な列です。

12. 打席単位で分析すると何が見えてくるのか

打席単位でデータを整理できるようになると、分析の幅が一気に広がります。

例えば、

初球の傾向

初球にストレートが多い
初球に変化球が多い

打席の長さ

平均何球で打席が終わるか
長い打席がどれくらいあるか

最終球

どの球種で打席が終わることが多いか

打席結果

single
double
home_run
walk
strikeout
field_out

などを調べられます。

さらに次のステップでは、

「その打席の中で、どの球に対してスイングしたのか？」

「どのカウントでどの球種が投げられたのか？」

「打球になった球の速度や角度はどうだったのか？」

といった、より細かい分析につなげられます。

13. 今回覚えておきたいコード

この記事のポイントをまとめると、まずは次のコードを覚えておけば十分です。

打席の投球順に並べる

ohtani_pitches = (
    ohtani_data
    .sort_values(
        ["at_bat_number", "pitch_number"]
    )
)

display(ohtani_pitches)

1打席を抽出する

target_at_bat = 53

one_pa = ohtani_data[
    ohtani_data["at_bat_number"] == target_at_bat
].sort_values("pitch_number")

display(one_pa)

打席ごとの投球数を数える

pa_pitch_count = (
    ohtani_data
    .groupby("at_bat_number")
    .size()
    .reset_index(name="pitch_count")
)

display(pa_pitch_count)

打席ごとの結果をまとめる

pa_summary = (
    ohtani_data
    .sort_values(["at_bat_number", "pitch_number"])
    .groupby("at_bat_number")
    .agg(
        pitch_count=("pitch_number", "count"),
        result=("events", "last")
    )
    .reset_index()
)

display(pa_summary)

まとめ

今回は、pybaseballで取得したStatcastデータを打席単位で分析する方法を紹介しました。

特に重要なのは、次の2つです。

at_bat_number
    ↓
その試合の何番目の打席か

pitch_number
    ↓
その打席の何球目か

Statcastのデータは1球＝1行ですが、at_bat_numberを使うことで複数の投球を1つの打席としてまとめて見ることができます。

また、

events
    ↓
打席の結果

description
    ↓
その投球の結果

という違いも重要です。

この違いを理解すると、

「1打席で何球投げられたか」

「初球は何だったか」

「最後の球は何だったか」

「どの球種で打席が終わったか」

といった分析ができるようになります。

そして、複数試合をまとめて分析するときには、

groupby(["game_pk", "at_bat_number"])

のように、試合を識別するgame_pkと打席番号を組み合わせることも重要です。

ここまでできれば、単に「試合のデータを取得する」段階から、1つ1つの打席を時系列で分析する段階へ進めます。

次回の記事

次回の「pybaseball基礎編⑤」では、さらに細かく1球単位のデータ取得・分析に進みます。

例えば、

1球ごとのボール・ストライクを確認する
投球ごとの球種を調べる
投球速度を比較する
pitch_numberを使って投球順を分析する
descriptionから投球結果を確認する
1打席の中で投球がどのように変化したかを見る

といった内容を扱う予定です。

打席単位の分析から1球単位の分析へ進むことで、Statcastデータの構造をさらに詳しく理解できるようになります。

データ参照元

本記事では、MLBのStatcastデータをpybaseballから取得して分析しています。

Statcastのデータ項目については、MLBのBaseball Savantが公開しているStatcast Search CSV Documentationを参照しています。

Statcast Search CSV Documentation

pybaseballは、Baseball SavantのStatcastデータをPythonから取得し、pandasのDataFrameとして扱いやすくするためのライブラリです。

pybaseball GitHub

データを利用・公開する場合は、利用元の最新の規約、データ提供条件、各サービスの利用条件を確認してください。

動作環境

本記事ではGoogle Colabを利用しています。

Pythonとpybaseballのバージョンは、以下のコードで確認できます。

import sys
import pybaseball

print("Python:", sys.version)
print("pybaseball:", pybaseball.__version__)

出力結果

Python: 3.13.15 (main, Aug  6 2026, 11:06:22) [GCC 13.3.0]
pybaseball: 2.2.7

プロ野球・MLBが10倍楽しくなる! よくわかるセイバーメトリクス

Amazonで見る

記事のシリーズ

はじめに

1. Statcastデータは「1球＝1行」

2. at_bat_numberとは？

3. pitch_numberとは？

4. 打席単位でデータを見る

5. 1打席だけを取り出す

6. eventsとdescriptionの違い

7. 打席の最後の球を取り出す

8. 1打席に何球投げられたか調べる

9. 打席結果も一緒にまとめる

10. 初球を分析する

11. 打席単位の分析で便利な列

12. 打席単位で分析すると何が見えてくるのか

初球の傾向

打席の長さ

最終球

打席結果

13. 今回覚えておきたいコード

打席の投球順に並べる

1打席を抽出する

打席ごとの投球数を数える

打席ごとの結果をまとめる

まとめ

次回の記事

データ参照元

動作環境

2. `at_bat_number`とは？

3. `pitch_number`とは？

6. `events`と`description`の違い