Python 数据分析示例：分析世界杯比赛统计数据以发现获胜模式

足球是世界上最受欢迎的运动之一，尤其是当涉及到 国际足联世界杯足球比赛会产生大量数据，对这些数据进行分析非常有助于了解球队的表现和获胜模式。在本篇文章中，我们将介绍 在本 Python 数据分析示例中，使用世界杯比赛数据比较球队表现和获胜模式。本课程将带您从数据加载到探索性数据分析（EDA）、可视化和性能比较。

分析世界杯比赛数据的重要性

世界杯比赛数据包含大量信息，包括球员个人表现、球队策略以及球队是否获胜。通过分析这些数据，您可以找出哪些球队具有更强的进攻和防守能力，以及某些球队的获胜模式。在本数据分析示例中，我们将使用世界杯比赛数据来比较球队表现并找出获胜模式。

Python 数据分析示例 加载和探索数据

首先，创建一个 Kaggle让我们加载并探索国际足联世界杯提供的比赛数据，其中包含每场比赛的队名、比分和比赛年份等信息。

从 Python 加载数据

import pandas as pd

加载 # 世界杯比赛数据
url = "https://raw.githubusercontent.com/martj42/international_results/master/results.csv"
wc_data = pd.read_csv(url)

浏览 # 数据
print(wc_data.head())
print(wc_data.describe())
파이썬 데이터분석 예제 - 데이터 탐색 그림

通过上面的代码，您可以加载国际足联世界杯的比赛数据。这些数据包含自 1872 年以来国际足球比赛的结果，以及每场比赛的队名、比分和比赛年份等信息。

数据结构说明
  • 日期：比赛日期
  • 主队：主队名称
  • 客队：客队名称
  • 主场得分: 主队得分
  • 客场比分: 客队进球
  • 锦标赛：比赛名称（国际足联世界杯、友谊赛等）
  • 城市主办城市
  • 国家东道国
  • 中立中性匹配与否

这些数据为分析和比较每个团队的表现提供了有用的信息。

数据预处理

为了只分析世界杯比赛，我们将筛选国际足联世界杯比赛并进行数据预处理。

过滤国际足联世界杯比赛
仅筛选 # 国际足联世界杯比赛
wc_fifa = wc_data[wc_data['赛事'] == 'FIFA 世界杯']

检查 # 缺失值
print(wc_fifa.isnull().sum())

# 仅选择需要的列
wc_fifa = wc_fifa[['日期'、'主队'、'客队'、'主场得分'、'客场得分'、'城市'、'国家'、'中立'] ]]

# 将日期列转换为日期时间格式
wc_fifa['date'] = pd.to_datetime(wc_fifa['date'])

print(wc_fifa.head())

上面的代码只过滤国际足联世界杯比赛，以提取分析所需的数据。过滤后的数据可用于分析世界杯比赛中球队的表现和得分模式。

分析比赛结果

现在，我们将分析每支球队的比赛结果，看看哪支球队赢得的比赛更多，以及他们的获胜模式是什么。 计算比赛结果时，我们要加上每场比赛的胜负。

增加一个获胜团队

计算 # 获胜队伍
def determine_winner(row)：
    if row['home_score'] > row['away_score']：
        返回 row['home_team']
    elif row['home_score'] < row['away_score']：
        return row['away_team'] 返回行['主队']。
    else：
        return 'Draw' （平局

wc_fifa['winner'] = wc_fifa.apply(determine_winner, axis=1)

# 检查获胜队伍的数量
print(wc_fifa['winner'].value_counts())

上面的代码添加了一个新列，用于计算哪支球队在每场比赛中获胜。有了这些信息，我们就可以确定哪支球队赢得的比赛更多。 我们还可以看到以平局结束的比赛的百分比。

数据可视化

现在，让我们将每支球队的获胜次数形象化，看看哪支球队赢得的世界杯次数更多。

可视化各队获胜场次

import matplotlib.pyplot as plt

可视化 # 前 10 名球队的获胜场次
top_teams = wc_fifa['winner'].value_counts().head(10)
plt.figure(figsize=(10, 6))
top_teams.plot(kind='bar', color='skyblue')
plt.title('FIFA 世界杯前 10 名球队的获胜场次')
plt.xlabel('Team name')
plt.ylabel（'获胜场次')
plt.show()

如果运行上面的代码，您可以看到在国际足联世界杯上获胜场次最多的前 10 支球队的获胜场次。在这个 Python 数据分析示例中，我们可以直观地看到巴西和德国等强队赢得了最多的比赛。 如果您在阅读时遇到困难，可以使用 修复 Python 的韩文错误：解决可视化中韩文文本的问题 查看帖子）。

파이썬 데이터분석 예제 - 승리횟수 시각화

比较队与队之间的比分

让我们来分析一下各队的得分情况，看看哪些球队进球最多，哪些球队的进攻能力最强。

计算每队平均得分
# 通过计算主队和客队得分的总和来计算总进球数
wc_fifa['total_goals'] = wc_fifa['home_score'] + wc_fifa['away_score']

# 计算各队的平均进球数
avg_goals = wc_fifa.groupby('home_team')['total_goals'].mean().sort_values(ascending=False).head(10)

可视化 # 前 10 名球队的平均进球数
plt.figure(figsize=(10, 6))
avg_goals.plot(kind='bar', color='orange')
plt.title('FIFA 世界杯前 10 名球队的平均进球数')
plt.xlabel（'球队名称）
plt.ylabel（'平均进球数）
plt.show()

这段代码计算了国际足联世界杯上进球最多的前 10 支球队的平均进球数，并将其可视化，以帮助我们了解哪些球队最具侵略性。 不过，数据似乎有些不对劲--诺斯科里亚进入了前 10 名！）。

파이썬 데이터분석 예제 - 승리횟수 시각화

分析获胜模式

现在，让我们来分析一下某支球队的夺冠模式，例如，看看像巴西这样的强队在某一年是否表现出色。

按年份分析特定团队的获胜情况
# 按年份计算巴西队获胜场次
brazil_wins = wc_fifa[wc_fifa['winner'] == 'Brazil'].groupby(wc_fifa['date'].dt.year).size()

# 按年份直观显示巴西的获胜场次
plt.figure(figsize=(10, 6))
brazil_wins.plot(kind='bar', color='green')
plt.title('Brazil's number of FIFA World Cup wins by year')
plt.xlabel('Year')
plt.ylabel('Number of wins')
plt.show()

该代码允许您创建一个特定的团队，例如 巴西各年的获胜模式。这样，您就可以看到巴西队什么时候表现特别突出。

파이썬 데이터분석 예제 - 연도별 브라질 승리횟수 시각화

数据分析中的常见错误及纠正方法

在这个 Python 数据分析示例中，我们将了解常见错误以及如何纠正它们。

  1. 数据过滤错误在筛选国际足联世界杯比赛时，您需要注意不要将其他比赛或友谊赛包括在内。检查和筛选正确的比赛名称非常重要。
  2. 日期处理马虎注：在处理日期数据时 日期时间 格式，否则在逐年分析时可能会出错。
  3. 获胜条件中的错误注意不要将获胜队与平局队混淆。

常见问题

问题 1：在哪里可以下载国际足联世界杯数据？
答：您可以将国际足联世界杯比赛数据导出到 GitHub供下载。该数据集包含国际足球赛事的全部结果。

问题 2：如何才能更准确地分析获胜模式？
答：要进一步完善胜负模式分析，可以考虑其他变量。例如，您可以根据球队的净胜球或比赛地点（主场、客场或中立场地）来分析赢球模式。

问题 3：除了足球，这种方法还能用于分析其他运动吗？
答：可以。这种方法对于分析其他体育赛事的数据也非常有用，可以应用于各种体育数据分析，包括比较球队之间的表现、分析球员等。

总结

在这篇文章中，我们以国际足联世界杯的比赛数据为例，学习了如何使用 Python 数据分析来分析球队的表现并找出获胜模式。 我们分析了每支球队的获胜场次和进球模式，并将某支球队多年来的获胜表现可视化。 希望这篇文章能让您了解数据分析的整体流程，包括数据预处理、可视化和获胜模式分析。

利用不同的体育数据集扩展您的分析，发现有趣的见解！

类似文章