|
|
|
|
移动端

我用Python分析了4W场比赛,2018世界杯冠军竟然是……

2018 年俄罗斯世界杯将在北京时间 6 月 14 日 23 时于莫斯科的卢日尼基球场正式打响揭幕战。

作者:Lemonbit来源:Python数据之道|2018-06-14 14:23

2018 年俄罗斯世界杯将在北京时间 6 月 14 日 23 时于莫斯科的卢日尼基球场正式打响揭幕战。

在比赛开始之前,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。

通过数据分析,可以发现很多有趣的结果,比如:

找出哪些队伍是首次进入世界杯的黑马队伍

找出 2018 年 32 强中之前已经进入过世界杯,但在世界杯上没有赢得过一场比赛的队伍

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:

  1. import pandas as pd 
  2. import matplotlib.pyplot as plt 
  3. %matplotlib inline 
  4. plt.style.use('ggplot'
  5. df = pd.read_csv('results.csv'
  6. 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:

获取所有世界杯比赛的数据(不含预选赛)

  1. df_FIFA_all = df[df['tournament'].str.contains('FIFA', regex=True)] 
  2. df_FIFA = df_FIFA_all[df_FIFA_all['tournament']=='FIFA World Cup'
  3. df_FIFA.head() 

结果如下:

对数据做一个初步整理,代码如下:

  1. df_FIFA.loc[:,'date'] = pd.to_datetime(df_FIFA.loc[:,'date']) 
  2. df_FIFA['year'] = df_FIFA['date'].dt.year 
  3. df_FIFA['diff_score'] = df_FIFA['home_score']-df_FIFA['away_score'
  4. df_FIFA['win_team'] = '' 
  5. df_FIFA['diff_score'] = pd.to_numeric(df_FIFA['diff_score']) 

然后创建一个新的列数据,包含获胜队伍的信息,代码如下:

  1. # The first method to get the winners 
  2. df_FIFA.loc[df_FIFA['diff_score']> 0, 'win_team'] = df_FIFA.loc[df_FIFA['diff_score']> 0, 'home_team'
  3. df_FIFA.loc[df_FIFA['diff_score']< 0, 'win_team'] = df_FIFA.loc[df_FIFA['diff_score']< 0, 'away_team'
  4. df_FIFA.loc[df_FIFA['diff_score']== 0, 'win_team'] = 'Draw' 
  5. df_FIFA.head() 
  6. # The second method to get the winners 
  7. def find_win_team(df): 
  8.     winners = [] 
  9.     for i, row in df.iterrows(): 
  10.         if row['home_score'] > row['away_score']: 
  11.             winners.append(row['home_team']) 
  12.         elif row['home_score'] < row['away_score']: 
  13.             winners.append(row['away_team']) 
  14.         else
  15.             winners.append('Draw'
  16.     return winners 
  17. df_FIFA['winner'] = find_win_team(df_FIFA) 
  18. df_FIFA.head() 

结果如下:

获取世界杯所有比赛的前 20 强数据情况

获取世界杯所有比赛获胜场数最多的前 20 强数据,代码如下:

  1. s = df_FIFA.groupby('win_team')['win_team'].count() 
  2. s.sort_values(ascending=False, inplace=True
  3. s.drop(labels=['Draw'], inplace=True

然后用 pandas 可视化如下:

  1. s.head(20).plot(kind='bar', figsize=(10,6), title='Top 20 Winners of World Cup'

柱状图

  1. s.sort_values(ascending=True,inplace=True
  2. s.tail(20).plot(kind='barh', figsize=(10,6), title='Top 20 Winners of World Cup'

水平柱状图

  1. s_percentage = s/s.sum()  
  2. s_percentage  
  3. s_percentage.tail(20).plot(kind='pie', figsize=(10,10), autopct='%.1f%%' 
  4.                            startangle=173, title='Top 20 Winners of World Cup', label=''

饼图

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:

  1. s.get('China'default = 'NA'
  2. s.get('Japan'default = 'NA'
  3. s.get('Korea DPR'default = 'NA'
  4. s.get('Korea Republic'default = 'NA'
  5. 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,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。

分析各个国家队进球总数量情况,代码如下:

  1. df_score_home = df_FIFA[['home_team''home_score']] 
  2. column_update = ['team''score'
  3. df_score_home.columns = column_update 
  4. df_score_away = df_FIFA[['away_team''away_score']] 
  5. df_score_away.columns = column_update 
  6. df_score = pd.concat([df_score_home,df_score_away], ignore_index=True
  7. s_score = df_score.groupby('team')['score'].sum() 
  8. s_score.sort_values(ascending=False, inplace=True
  9. s_score.sort_values(ascending=True, inplace=True
  10. 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。

2018 年世界杯 32 强分析

微信截图_20180604172650.png

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:

  1. team_list = ['Russia''Germany''Brazil''Portugal''Argentina''Belgium''Poland''France'
  2.              'Spain''Peru''Switzerland''England''Colombia''Mexico''Uruguay''Croatia'
  3.             'Denmark''Iceland''Costa Rica''Sweden''Tunisia''Egypt''Senegal''Iran'
  4.             'Serbia''Nigeria''Australia''Japan''Morocco''Panama''Korea Republic''Saudi Arabia'
  5. for item in team_list: 
  6.     if item not in s_score.index
  7.         print(item) 
  8. out
  9. Iceland 
  10. Panama 

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,没有这两支队伍的历史数据。

  1. df_top32 = df_FIFA[(df_FIFA['home_team'].isin(team_list))&(df_FIFA['away_team'].isin(team_list))] 

下面是自 1872 年以来,32 强数据情况分析:

赢球场数情况

  1. s_32 = df_top32.groupby('win_team')['win_team'].count() 
  2. s_32.sort_values(ascending=False, inplace=True
  3. s_32.drop(labels=['Draw'], inplace=True
  4. s_32.sort_values(ascending=True,inplace=True
  5. s_32.plot(kind='barh', figsize=(8,12), title='Top 32 of World Cup since year 1872'

进球数据情况

  1. df_score_home_32 = df_top32[['home_team''home_score']] 
  2. column_update = ['team''score'
  3. df_score_home_32.columns = column_update 
  4. df_score_away_32 = df_top32[['away_team''away_score']] 
  5. df_score_away_32.columns = column_update 
  6. df_score_32 = pd.concat([df_score_home_32,df_score_away_32], ignore_index=True
  7. s_score_32 = df_score_32.groupby('team')['score'].sum() 
  8. s_score_32.sort_values(ascending=False, inplace=True
  9. s_score_32.sort_values(ascending=True, inplace=True
  10. 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。

下面是自 1978 年以来,32 强数据情况分析:

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。

下面是自 2002 年以来,32 强数据情况分析:

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。

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。本文是一次比较综合的项目实战,希望可以给大家带来一些启发。

特别说明:以上数据分析,纯属个人学习用,预测结果与实际情况可能偏差很大,不能用于其他用途。

留 言 有 礼 活 动

根据各大数据机构给出的本届世界杯夺冠赔率榜,本次的八大夺冠热门球队为:巴西、德国、西班牙、法国、阿根廷、比利时、英格兰、葡萄牙。你觉得哪支球队能赢得冠军奖杯呢?扫描下方二维码,关注51CTO技术栈公众号。欢迎在技术栈微信公众号留言探讨。小编将精选出最有价值的三条评论,分别获得 50、30、20 元 的 红 包 奖 励,活动截止时间 6 月 21 号 12 时整。

【编辑推荐】

  1. 我想带你去旅行,我用Python提前做了一份端午旅游攻略,请收下!
  2. 使用Python分析14亿条数据
  3. 2018年5大热门编程语言,Python跃居第四!
  4. Python近期大事件,热爱Python的你都有耳闻了吗?
  5. Python的三大Web框架性能分析
【责任编辑:武晓燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

Linux服务器安全策略详解

Linux主要用于架设网络服务器。如今关于服务器和网站被黑客攻击的报告几乎每天都可以见到,而且随着网络应用的丰富多样,攻击的形式和方法...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊