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'')
![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_5_20180625024631660)
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'')
![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_6_20180625024631785)
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='''')
![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_7_20180625024631910)
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'')
![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_8_2018062502463266)
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'')
![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_9_20180625024632175)
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'')
![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_10_20180625024632347)
分析结论三:
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。
自1978年以来,32强数据情况赢球场数情况 ![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_11_20180625024632503)
进球数据情况 ![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_12_20180625024632628)
分析结论四:
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。
自2002年以来,32强数据情况赢球场数情况 ![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_13_20180625024632769)
进球数据情况 ![](http://image109.360doc.com/DownloadImg/2018/06/2514/136727439_14_20180625024632925)
分析结论五:
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。
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。
DT君友情请示:赌球有风险,下注需谨慎哦!
注:本文内容仅为作者观点,不代表DT财经立场。
|