我用Python分析了4W場(chǎng)比賽，2018世界杯冠軍竟然是……

作者：Lemonbit 2018-06-14 14:23:38

開(kāi)發(fā) 后端開(kāi)發(fā)工具

2018 年俄羅斯世界杯將在北京時(shí)間 6 月 14 日 23 時(shí)于莫斯科的盧日尼基球場(chǎng)正式打響揭幕戰(zhàn)。

[[232966]]

在比賽開(kāi)始之前，我們不妨用 Python 來(lái)對(duì)參賽隊(duì)伍的實(shí)力情況進(jìn)行分析，并大膽的預(yù)測(cè)下本屆世界杯的奪冠熱門(mén)球隊(duì)。

[[232967]]

通過(guò)數(shù)據(jù)分析，可以發(fā)現(xiàn)很多有趣的結(jié)果，比如：

找出哪些隊(duì)伍是***進(jìn)入世界杯的黑馬隊(duì)伍

找出 2018 年 32 強(qiáng)中之前已經(jīng)進(jìn)入過(guò)世界杯，但在世界杯上沒(méi)有贏得過(guò)一場(chǎng)比賽的隊(duì)伍

當(dāng)然，我們本次的主要任務(wù)是要通過(guò)數(shù)據(jù)分析來(lái)預(yù)測(cè) 2018 年世界杯的奪冠熱門(mén)隊(duì)伍。

本次分析的數(shù)據(jù)來(lái)源于 Kaggle，包含從 1872 年到今年的數(shù)據(jù)，包括世界杯比賽、世界杯預(yù)選賽、亞洲杯、歐洲杯、國(guó)家之間的友誼賽等比賽，一共大約 40000 場(chǎng)比賽的情況。

本次的環(huán)境為：

Window 7 系統(tǒng)
Python 3.6
Jupyter Notebook
pandas version 0.22.0

先來(lái)看看數(shù)據(jù)的情況：

import pandas as pd 
import matplotlib.pyplot as plt 
%matplotlib inline 
plt.style.use('ggplot') 
df = pd.read_csv('results.csv') 
df.head()

該數(shù)據(jù)集包含的數(shù)據(jù)列的信息如下：

日期
主隊(duì)名稱(chēng)
客隊(duì)名稱(chēng)
主隊(duì)進(jìn)球數(shù) （不含點(diǎn)球）
客隊(duì)進(jìn)球數(shù) （不含點(diǎn)球）
比賽的類(lèi)型
比賽所在城市
比賽所在國(guó)家
是否中立

結(jié)果如下：

獲取所有世界杯比賽的數(shù)據(jù)（不含預(yù)選賽）

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()

結(jié)果如下：

對(duì)數(shù)據(jù)做一個(gè)初步整理，代碼如下：

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'])

然后創(chuàng)建一個(gè)新的列數(shù)據(jù)，包含獲勝隊(duì)伍的信息，代碼如下：

# 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()

結(jié)果如下：

獲取世界杯所有比賽的前 20 強(qiáng)數(shù)據(jù)情況

獲取世界杯所有比賽獲勝場(chǎng)數(shù)最多的前 20 強(qiáng)數(shù)據(jù)，代碼如下：

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 可視化如下：

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

柱狀圖

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

水平柱狀圖

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='')

餅圖

分析結(jié)論 1

從贏球場(chǎng)數(shù)來(lái)看，巴西、德國(guó)、意大利、阿根廷四支球隊(duì)實(shí)力***。

通過(guò)上面的分析，我們還可以來(lái)查看部分國(guó)家的獲勝情況：

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')

運(yùn)行結(jié)果分別是 ‘NA’，4，1，5，‘NA’。

從結(jié)果來(lái)看，中國(guó)隊(duì)，在世界杯比賽上（不含預(yù)選賽）還沒(méi)有贏過(guò)。當(dāng)然，本次世界杯的黑馬-埃及隊(duì)，之前兩度進(jìn)入世界杯，但也沒(méi)有贏過(guò)~~

上面分析的是贏球場(chǎng)數(shù)的情況，下面我們來(lái)看下進(jìn)球總數(shù)情況。

分析各個(gè)國(guó)家隊(duì)進(jìn)球總數(shù)量情況，代碼如下：

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')

分析結(jié)論 2

從進(jìn)球總數(shù)量來(lái)看，德國(guó)、巴西、阿根廷、意大利四支球隊(duì)實(shí)力***。

上面分析的是自 1872 年以來(lái)的所有球隊(duì)的數(shù)據(jù)情況，下面，我們重點(diǎn)來(lái)分析下 2018 年世界杯 32 強(qiáng)的數(shù)據(jù)情況。

2018 年世界杯 32 強(qiáng)分析

微信截圖_20180604172650.png

2018 年世界杯的分組情況如下：

***組：俄羅斯、德國(guó)、巴西、葡萄牙、阿根廷、比利時(shí)、波蘭、法國(guó)
第二組：西班牙、秘魯、瑞士、英格蘭、哥倫比亞、墨西哥、烏拉圭、克羅地亞
第三組：丹麥、冰島、哥斯達(dá)黎加、瑞典、突尼斯、埃及、塞內(nèi)加爾、伊朗
第四組：塞爾維亞、尼日利亞、澳大利亞、日本、摩洛哥、巴拿馬、韓國(guó)、沙特阿拉伯

獲取 32 強(qiáng)的所有數(shù)據(jù)，首先，判斷是否有隊(duì)伍***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

通過(guò)上述分析可知，冰島隊(duì)和巴拿馬隊(duì)是***打入世界杯的。

由于冰島隊(duì)和巴拿馬隊(duì)是***進(jìn)入世界杯，所以這里的 32 強(qiáng)數(shù)據(jù)，沒(méi)有這兩支隊(duì)伍的歷史數(shù)據(jù)。

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

下面是自 1872 年以來(lái)，32 強(qiáng)數(shù)據(jù)情況分析：

贏球場(chǎng)數(shù)情況

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')

進(jìn)球數(shù)據(jù)情況

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')

分析結(jié)論 3

自 1872 年以來(lái)，32 強(qiáng)之間的世界杯比賽，從贏球場(chǎng)數(shù)和進(jìn)球數(shù)量來(lái)看，德國(guó)、巴西、阿根廷三支球隊(duì)實(shí)力***。

自 1872 年到現(xiàn)在，已經(jīng)有 100 多年，時(shí)間跨度較大，有些國(guó)家已發(fā)生重大變化，后續(xù)分別分析自 1978 年（近 10 屆）以及 2002 年（近 4 屆）以來(lái)的比賽情況。程序代碼是類(lèi)似的，這里只顯示可視化的結(jié)果。

下面是自 1978 年以來(lái)，32 強(qiáng)數(shù)據(jù)情況分析：

贏球場(chǎng)數(shù)情況

進(jìn)球數(shù)據(jù)情況

[[232968]]

分析結(jié)論 4

自 1978 年以來(lái)，32 強(qiáng)之間的世界杯比賽，從贏球場(chǎng)數(shù)來(lái)看，阿根廷、德國(guó)、巴西三支球隊(duì)實(shí)力***。從進(jìn)球數(shù)量來(lái)看，前 3 強(qiáng)也是這三支球隊(duì)，但德國(guó)隊(duì)的數(shù)據(jù)優(yōu)勢(shì)更明顯。

下面是自 2002 年以來(lái)，32 強(qiáng)數(shù)據(jù)情況分析：

贏球場(chǎng)數(shù)情況

進(jìn)球數(shù)據(jù)情況

分析結(jié)論 5

自 2002 年以來(lái)，32 強(qiáng)之間的世界杯比賽，從贏球場(chǎng)數(shù)和進(jìn)球數(shù)量來(lái)看，德國(guó)、阿根廷、巴西三支球隊(duì)實(shí)力***。其中，德國(guó)隊(duì)的數(shù)據(jù)優(yōu)勢(shì)更明顯。

綜合結(jié)論

2018 年世界杯的 32 支隊(duì)伍，根據(jù)以往的世界杯比賽數(shù)據(jù)來(lái)看，預(yù)測(cè)前三強(qiáng)為德國(guó)、阿根廷和巴西，其中德國(guó)隊(duì)?wèi)?yīng)該是奪冠的***熱門(mén)。本文是一次比較綜合的項(xiàng)目實(shí)戰(zhàn)，希望可以給大家?guī)?lái)一些啟發(fā)。

特別說(shuō)明：以上數(shù)據(jù)分析，純屬個(gè)人學(xué)習(xí)用，預(yù)測(cè)結(jié)果與實(shí)際情況可能偏差很大，不能用于其他用途。

留言有禮活動(dòng)

根據(jù)各大數(shù)據(jù)機(jī)構(gòu)給出的本屆世界杯奪冠賠率榜，本次的八大奪冠熱門(mén)球隊(duì)為：巴西、德國(guó)、西班牙、法國(guó)、阿根廷、比利時(shí)、英格蘭、葡萄牙。你覺(jué)得哪支球隊(duì)能贏得冠軍獎(jiǎng)杯呢？掃描下方二維碼，關(guān)注51CTO技術(shù)棧公眾號(hào)。歡迎在技術(shù)棧微信公眾號(hào)留言探討。小編將精選出最有價(jià)值的三條評(píng)論，分別獲得 50、30、20 元的紅包獎(jiǎng) 勵(lì)，活動(dòng)截止時(shí)間 6 月 21 號(hào) 12 時(shí)整。

責(zé)任編輯：武曉燕來(lái)源： Python數(shù)據(jù)之道

Python 比賽冠軍