我用Python分析了4W場比賽，2018世界杯冠軍竟然是……
2018 年俄羅斯世界杯將在北京時間 6 月 14 日 23 時于莫斯科的盧日尼基球場正式打響揭幕戰。
在比賽開始之前，我們不妨用 Python 來對參賽隊伍的實力情況進行分析，并大膽的預測下本屆世界杯的奪冠熱門球隊。
通過數據分析，可以發現很多有趣的結果，比如：
找出哪些隊伍是***進入世界杯的黑馬隊伍
找出 2018 年 32 強中之前已經進入過世界杯，但在世界杯上沒有贏得過一場比賽的隊伍
當然，我們本次的主要任務是要通過數據分析來預測 2018 年世界杯的奪冠熱門隊伍。
本次分析的數據來源于 Kaggle， 包含從 1872 年到今年的數據，包括世界杯比賽、世界杯預選賽、亞洲杯、歐洲杯、國家之間的友誼賽等比賽，一共大約 40000 場比賽的情況。
本次的環境為：
- Window 7 系統
- Python 3.6
- Jupyter Notebook
- pandas version 0.22.0
先來看看數據的情況：
- import pandas as pd
- import matplotlib.pyplot as plt
- %matplotlib inline
- plt.style.use('ggplot')
- df = pd.read_csv('results.csv')
- df.head()
該數據集包含的數據列的信息如下：
- 日期
- 主隊名稱
- 客隊名稱
- 主隊進球數 （不含點球）
- 客隊進球數 （不含點球）
- 比賽的類型
- 比賽所在城市
- 比賽所在國家
- 是否中立
結果如下：
獲取所有世界杯比賽的數據（不含預選賽）
- 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()
結果如下：
對數據做一個初步整理，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'])
然后創建一個新的列數據，包含獲勝隊伍的信息，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()
結果如下：
獲取世界杯所有比賽的前 20 強數據情況
獲取世界杯所有比賽獲勝場數最多的前 20 強數據，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
分析結論 1
從贏球場數來看，巴西、德國、意大利、阿根廷四支球隊實力***。
通過上面的分析，我們還可以來查看部分國家的獲勝情況：
- 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')
運行結果分別是 ‘NA’，4，1，5，‘NA’。
從結果來看，中國隊，在世界杯比賽上（不含預選賽）還沒有贏過。當然，本次世界杯的黑馬-埃及隊，之前兩度進入世界杯，但也沒有贏過~~
上面分析的是贏球場數的情況，下面我們來看下進球總數情況。
分析各個國家隊進球總數量情況，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')
分析結論 2
從進球總數量來看，德國、巴西、阿根廷、意大利四支球隊實力***。
上面分析的是自 1872 年以來的所有球隊的數據情況，下面，我們重點來分析下 2018 年世界杯 32 強的數據情況。
2018 年世界杯 32 強分析
微信截圖_20180604172650.png
2018 年世界杯的分組情況如下：
- ***組：俄羅斯、德國、巴西、葡萄牙、阿根廷、比利時、波蘭、法國
- 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、哥斯達黎加、瑞典、突尼斯、埃及、塞內加爾、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、沙特阿拉伯
獲取 32 強的所有數據，首先，判斷是否有隊伍***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
通過上述分析可知，冰島隊和巴拿馬隊是***打入世界杯的。
由于冰島隊和巴拿馬隊是***進入世界杯，所以這里的 32 強數據，沒有這兩支隊伍的歷史數據。
- 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，32 強數據情況分析：
贏球場數情況
- 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')
進球數據情況
- 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')
分析結論 3
自 1872 年以來，32 強之間的世界杯比賽，從贏球場數和進球數量來看，德國、巴西、阿根廷三支球隊實力***。
自 1872 年到現在，已經有 100 多年，時間跨度較大，有些國家已發生重大變化，后續分別分析自 1978 年（近 10 屆）以及 2002 年（近 4 屆）以來的比賽情況。程序代碼是類似的，這里只顯示可視化的結果。
下面是自 1978 年以來，32 強數據情況分析：
贏球場數情況
進球數據情況
分析結論 4
自 1978 年以來，32 強之間的世界杯比賽，從贏球場數來看，阿根廷、德國、巴西三支球隊實力***。從進球數量來看，前 3 強也是這三支球隊，但德國隊的數據優勢更明顯。
下面是自 2002 年以來，32 強數據情況分析：
贏球場數情況
進球數據情況
分析結論 5
自 2002 年以來，32 強之間的世界杯比賽，從贏球場數和進球數量來看，德國、阿根廷、巴西三支球隊實力***。其中，德國隊的數據優勢更明顯。
綜合結論
2018 年世界杯的 32 支隊伍，根據以往的世界杯比賽數據來看，預測前三強為德國、阿根廷和巴西，其中德國隊應該是奪冠的***熱門。本文是一次比較綜合的項目實戰，希望可以給大家帶來一些啟發。
特別說明：以上數據分析，純屬個人學習用，預測結果與實際情況可能偏差很大，不能用于其他用途。
留 言 有 禮 活 動
根據各大數據機構給出的本屆世界杯奪冠賠率榜，本次的八大奪冠熱門球隊為：巴西、德國、西班牙、法國、阿根廷、比利時、英格蘭、葡萄牙。你覺得哪支球隊能贏得冠軍獎杯呢？掃描下方二維碼，關注51CTO技術棧公眾號。歡迎在技術棧微信公眾號留言探討。小編將精選出最有價值的三條評論，分別獲得 50、30、20 元 的 紅 包 獎 勵，活動截止時間 6 月 21 號 12 時整。
