2018年，火熱的世界杯即將拉開序幕。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(fā)現(xiàn)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(huán)境為

• window 7 系統(tǒng)
• 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：

1. 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：

數據做一個初步整理

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']) 

創(chuàng)建一個新的列數據，包含獲勝隊伍的信息

# 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'] < 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：

2. 獲取世界杯所有比賽的前20強數據情況

2.1 獲取世界杯所有比賽獲勝場數最多的前20強數據

s = df_FIFA.groupby('win_team')['win_team'].count() 
s.sort_values(ascending=False, inplace=True) 
s.drop(labels=['Draw'], inplace=True) 

用pandas可視化如下：

柱狀圖

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

 

水平柱狀圖

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

 

餅圖

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='') 

 

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上，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。

2.2 各個國家隊進球總數量情況

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。

3. 2018年世界杯32強分析

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，事實上是沒有這兩支隊伍的歷史數據的。

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

3.1 自1872年以來，32強數據情況

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(xiàn)在，已經有100多年，時間跨度較大，有些國家已發(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)以來的比賽情況。

程序代碼是類似的，這里只顯示可視化的結果。

3.2 自1978年以來，32強數據情況

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(yōu)勢更明顯。

3.3 自2002年以來，32強數據情況

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(yōu)勢更明顯。

4. 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。

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。

本文是一次比較綜合的項目實戰(zhàn)，希望可以給大家?guī)硪恍﹩l(fā)。