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:
- import pandas as pd
- import matplotlib.pyplot as plt
- %matplotlib inline
- plt.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:
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:
对数据做一个初步整理, 代码如下:
- df_FIFA.loc[:,'date'] = pd.to_datetime(df_FIFA.loc[:,'date'])
- df_FIFA['year'] = df_FIFA['date'].dt.year
- df_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'])
然后创建一个新的列数据, 包含获胜队伍的信息, 代码如下:
- # The first method to get the winners
- df_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 winners
- def 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 winners
- df_FIFA['winner'] = find_win_team(df_FIFA)
- 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:
- s = df_FIFA.groupby('win_team')['win_team'].count()
- s.sort_values(ascending=False, inplace=True)
- s.drop(labels=['Draw'], inplace=True)
然后用 pandas 可视化如下:
s.head(20).plot(kind='bar', figsize=(10,6), title='Top 20 Winners of World Cup')
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')
水平柱状图
- s_percentage = s/s.sum()
- s_percentage
- s_percentage.tail(20).plot(kind='pie', figsize=(10,10), autopct='%.1f%%',
- 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:
- 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, 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:
- df_score_home = df_FIFA[['home_team', 'home_score']]
- column_update = ['team', 'score']
- df_score_home.columns = column_update
- df_score_away = df_FIFA[['away_team', 'away_score']]
- df_score_away.columns = column_update
- df_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.
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:
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:
- Iceland
- 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.
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
- 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_update
- df_score_away_32 = df_top32[['away_team', 'away_score']]
- df_score_away_32.columns = column_update
- df_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.
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.
来源: http://developer.51cto.com/art/201806/576257.htm