大数据得出的世界杯“夺冠”热门，居然刚输球了！

alayavijnana 2018-06-25

展开全文

“

世界杯火热开赛，今年到底哪支球队能够夺得桂冠？当大家还在围观世界杯小组赛时，数据侠Lemonbit竟然已经用Python预测出了今年的热门夺冠球队，让我们来围观一下他的研究吧~

本文转自Python数据之道 （ID：PyDataRoad）

2018世界杯已经拉开序幕。今天，我们就用 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。

文中有获取本文源代码的方式。

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：

python 3.6
Jupyter Notebook
pandas version 0.22.0
window 7 系统

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：

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.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''])

创建一个新的列数据，包含获胜队伍的信息

# 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''] <>''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

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_percentage
s_percentage.tail(20).plot(kind=''pie'', figsize=(10,10), autopct=''%.1f%%'',
startangle=173, title=''Top 20 Winners of World Cup'', label='''')

分析结论一：

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。

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_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'')

分析结论二：

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

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，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))]

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_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'')