比赛已经开始,我们不妨用 Python 来对参赛队伍的实力情况进行分析,并大胆的预测下本届世界杯的夺冠热门球队吧!
通过数据分析,可以发现很多有趣的结果,比如:
当然,我们本次的主要任务是要通过数据分析来预测2018年世界杯的夺冠热门队伍。
本次分析的数据来源于 Kaggle, 包含从 1872 年到今年的数据,包括世界杯比赛、世界杯预选赛、亚洲杯、欧洲杯、国家之间的友谊赛等比赛,一共大约 40000 场比赛的情况。
本次的环境为
window 7 系统
python 3.6
Jupyter Notebook
pandas version 0.22.0
先来看看数据的情况:
import pandas as pdimport matplotlib.pyplot as plt%matplotlib inlineplt.style.use('ggplot')df = pd.read_csv('results.csv')df.head()
该数据集包含的数据列的信息如下:
日期
主队名称
客队名称
主队进球数 (不含点球)
客队进球数 (不含点球)
比赛的类型
比赛所在城市
比赛所在国家
是否中立
结果如下:
▼
1、 获取所有世界杯比赛的数据(不含预选赛)
df_FIFA_all = df[df['tournament'].str.contains('FIFA', regex=True)]df_FIFA = df_FIFA_all[df_FIFA_all['tournament']=='FIFA World Cup']df_FIFA.head()
结果如下:
▼
数据做一个初步整理
df_FIFA.loc[:,'date'] = pd.to_datetime(df_FIFA.loc[:,'date'])df_FIFA['year'] = df_FIFA['date'].dt.yeardf_FIFA['diff_score'] = df_FIFA['home_score']-df_FIFA['away_score']df_FIFA['win_team'] = ''df_FIFA['diff_score'] = pd.to_numeric(df_FIFA['diff_score'])
创建一个新的列数据,包含获胜队伍的信息
# The first method to get the winnersdf_FIFA.loc[df_FIFA['diff_score']> 0, 'win_team'] = df_FIFA.loc[df_FIFA['diff_score']> 0, 'home_team']df_FIFA.loc[df_FIFA['diff_score']< 0, 'win_team'] = df_FIFA.loc[df_FIFA['diff_score']< 0, 'away_team']df_FIFA.loc[df_FIFA['diff_score']== 0, 'win_team'] = 'Draw'df_FIFA.head()# The second method to get the winnersdef find_win_team(df): winners = [] for i, row in df.iterrows(): if row['home_score'] > row['away_score']: winners.append(row['home_team']) elif row['home_score'] < row['away_score']: winners.append(row['away_team']) else: winners.append('Draw') return winnersdf_FIFA['winner'] = find_win_team(df_FIFA)df_FIFA.head()
结果如下:
▼
2、 获取世界杯所有比赛的前20强数据情况
2.1 获取世界杯所有比赛获胜场数最多的前20强数据
s = df_FIFA.groupby('win_team')['win_team'].count()s.sort_values(ascending=False, inplace=True)s.drop(labels=['Draw'], inplace=True)
用pandas可视化如下:
柱状图
s.head(20).plot(kind='bar', figsize=(10,6), title='Top 20 Winners of World Cup')
▼
水平柱状图
s.sort_values(ascending=True,inplace=True)s.tail(20).plot(kind='barh', figsize=(10,6), title='Top 20 Winners of World Cup')
▼
饼图
s_percentage = s/s.sum()s_percentages_percentage.tail(20).plot(kind='pie', figsize=(10,10), autopct='%.1f%%', startangle=173, title='Top 20 Winners of World Cup', label='')
▼
分析结论1:
从赢球场数来看,巴西、德国、意大利、阿根廷四支球队实力最强。
通过上面的分析,我们还可以来查看部分国家的获胜情况
s.get('China', default = 'NA')s.get('Japan', default = 'NA')s.get('Korea DPR', default = 'NA')s.get('Korea Republic', default = 'NA')s.get('Egypt', default = 'NA')
运行结果分别是 ‘NA’,4,1,5,‘NA’。
从结果来看,中国队,在世界杯比赛上(不含预选赛)还没有赢过。当然,本次世界杯的黑马-埃及队,之前两度进入世界杯上,但也没有赢过~~
上面分析的是赢球场数的情况,下面我们来看下进球总数情况。
2.2 各个国家队进球总数量情况
df_score_home = df_FIFA[['home_team', 'home_score']]column_update = ['team', 'score']df_score_home.columns = column_updatedf_score_away = df_FIFA[['away_team', 'away_score']]df_score_away.columns = column_updatedf_score = pd.concat([df_score_home,df_score_away], ignore_index=True)s_score = df_score.groupby('team')['score'].sum()s_score.sort_values(ascending=False, inplace=True)s_score.sort_values(ascending=True, inplace=True)s_score.tail(20).plot(kind='barh', figsize=(10,6), title='Top 20 in Total Scores of World Cup')
▼
分析结论2:
从进球总数量来看,德国、巴西、阿根廷、意大利四支球队实力最强。
上面分析的是自1872年以来的所有球队的数据情况,下面,我们重点来分析下2018年世界杯32强的数据情况。
3、2018年世界杯32强分析
2018年世界杯的分组情况如下:
第一组:俄罗斯、德国、巴西、葡萄牙、阿根廷、比利时、波兰、法国
第二组:西班牙、秘鲁、瑞士、英格兰、哥伦比亚、墨西哥、乌拉圭、克罗地亚
第三组:丹麦、冰岛、哥斯达黎加、瑞典、突尼斯、埃及、塞内加尔、伊朗
第四组:塞尔维亚、尼日利亚、澳大利亚、日本、摩洛哥、巴拿马、韩国、沙特阿拉伯
获取32强的所有数据
首先,判断是否有队伍首次打入世界杯。
team_list = ['Russia', 'Germany', 'Brazil', 'Portugal', 'Argentina', 'Belgium', 'Poland', 'France', 'Spain', 'Peru', 'Switzerland', 'England', 'Colombia', 'Mexico', 'Uruguay', 'Croatia', 'Denmark', 'Iceland', 'Costa Rica', 'Sweden', 'Tunisia', 'Egypt', 'Senegal', 'Iran', 'Serbia', 'Nigeria', 'Australia', 'Japan', 'Morocco', 'Panama', 'Korea Republic', 'Saudi Arabia']for item in team_list: if item not in s_score.index: print(item)out:IcelandPanama
通过上述分析可知,冰岛队和巴拿马队是首次打入世界杯的。
由于冰岛队和巴拿马队是首次进入世界杯,所以这里的32强数据,事实上是没有这两支队伍的历史数据的。
df_top32 = df_FIFA[(df_FIFA['home_team'].isin(team_list))&(df_FIFA['away_team'].isin(team_list))]
3.1 自1872年以来,32强数据情况
赢球场数情况
s_32 = df_top32.groupby('win_team')['win_team'].count()s_32.sort_values(ascending=False, inplace=True)s_32.drop(labels=['Draw'], inplace=True)s_32.sort_values(ascending=True,inplace=True)s_32.plot(kind='barh', figsize=(8,12), title='Top 32 of World Cup since year 1872')
▼
进球数据情况
df_score_home_32 = df_top32[['home_team', 'home_score']]column_update = ['team', 'score']df_score_home_32.columns = column_updatedf_score_away_32 = df_top32[['away_team', 'away_score']]df_score_away_32.columns = column_updatedf_score_32 = pd.concat([df_score_home_32,df_score_away_32], ignore_index=True)s_score_32 = df_score_32.groupby('team')['score'].sum()s_score_32.sort_values(ascending=False, inplace=True)s_score_32.sort_values(ascending=True, inplace=True)s_score_32.plot(kind='barh', figsize=(8,12), title='Top 32 in Total Scores of World Cup since year 1872')
▼
分析结论3:
自1872年以来,32强之间的世界杯比赛,从赢球场数和进球数量来看,德国、巴西、阿根廷三支球队实力最强。
自1872年到现在,已经有100多年,时间跨度较大,有些国家已发生重大变化,后续分别分析自1978年(近10届)以及2002年(近4届)以来的比赛情况。
程序代码是类似的,这里只显示可视化的结果。
3.2 自1978年以来,32强数据情况
赢球场数情况
▼
进球数据情况
▼
分析结论4:
自1978年以来,32强之间的世界杯比赛,从赢球场数来看,阿根廷、德国、巴西三支球队实力最强。从进球数量来看,前3强也是这三支球队,但德国队的数据优势更明显。
3.3 自2002年以来,32强数据情况
赢球场数情况
▼
进球数据情况
▼
分析结论5:
自2002年以来,32强之间的世界杯比赛,从赢球场数和进球数量来看,德国、阿根廷、巴西三支球队实力最强。其中,德国队的数据优势更明显。
4、综合结论
2018年世界杯的32支队伍,根据以往的世界杯比赛数据来看,预测前三强为 德国、阿根廷和巴西,其中德国队应该是夺冠的最大热门。你怎么看?
最后附上一份《伪球迷的自我修养》,不懂世界杯的你、包你看完后,分分钟变“懂球帝”,真球迷,那就一起揭穿他(她)。
小白篇
首先你要pick一支球队作为主队。德国、法国、巴西、西班牙、阿根廷、葡萄牙这些人气高、实力强的夺冠热门都是很好的选择(另外谨记这届世界杯实力很强的意大利和荷兰都没能晋级,千万别说这俩队)。
不过这样的选择很有可能会受到一些自以为是的球迷鄙视,认为你是跟风喜欢,无脑支持。
所以如果你pick的是一支有实力,但名声又没那么响的球队,比如克罗地亚、墨西哥、瑞士、比利时。不仅能彰显你独特的品味,还能让别人觉得你是个真球迷。
要是这几支球队最后能杀进8强甚至4强成为黑马,啧啧,那你可就是别人眼中的资深球迷了。
好了,pick完主队后,你至少得知道自己的主队都有哪些球员吧,而且光知道球员的名字是不够的,最好能记住一些球员的绰号。
比如,“水爷”听着就要比“拉莫斯”霸气
“煤老板”听着就比“梅西”接地气
“二娃”听着就比“穆勒”喜气
在了解完自己主队的现况后,还要去了解自己主队的过去。这样跟别人聊起来时,你就可以说,我记得我还上小学的时候,XX队里有个老谁家的小谁贼厉害,blabla......
其次,如果别人邀请你一起看球,一定要了解他是哪个队的球迷。如果是阿根廷球迷,那一定是梅西的支持者没跑了。
所以,当出现以下情形时,你要做出正确的应对。举几个例子
同理,当你的朋友是别的队球迷时,你只需要冷静观察,分析出当家球星是谁(听解说老念叨谁,看镜头老给谁特写),然后用他的名字替换掉梅西即可。
但如果是一帮人一起看球,由于里面混杂着多国球迷,这时你最好选择沉默,好好吃你的瓜。
要是有人问起你对比赛的预测,然而你对这俩队完全不了解时,为了不暴露自己伪球迷的本质,你可以这么说:
“足球是圆的!”
这句话约等于一切皆有可能!
高阶篇的要求就有些难了,你需要会运用足坛的一些梗。比如:传统美德本特克:用于某位球员错失单刀或者空门。
注:此梗源自某场英超联赛中,当时身为利物浦球员的本特克错失了空门的机会,导致某国内解说怒爆粗口“传统美德(CTMD)本特克”。
都怪本泽马:用于某队输球或者被淘汰。
注:有关此梗来源的说法甚多,最早的一种说法是,每当C罗在皇马表现不好时,一些C罗的粉丝就会把锅甩给本泽马。以至于后来衍生出一系列关于“都怪本泽马”的段子,即便大部分的事都与本泽马无关。
掌握这些后,即可打开电视享受比赛了。最后希望大家一定要文!明!看!球!
End.
来源:Python数据之道(作者:Lemonbit)/蝌蚪五线谱
PS:昨日【转行数据分析指南→定位篇】预告链接失效,想会看的小伙伴点击阅读原文即可回看;建议感兴趣的小伙伴下载CCtalk,搜群号83213219,进群后可随时回看系列课程(已更新城市篇、定位篇),该系列课之后的直播也在群里发布。