2018年，火熱的世界杯即將拉開(kāi)序幕。在比賽開(kāi)始之前，我們不妨用 Python 來(lái)對(duì)參賽隊(duì)伍的實(shí)力情況進(jìn)行分析，并大膽的預(yù)測(cè)下本屆世界杯的奪冠熱門球隊(duì)。

通過(guò)數(shù)據(jù)分析，可以發(fā)現(xiàn)很多有趣的結(jié)果，比如：

• 找出哪些隊(duì)伍是***進(jìn)入世界杯的黑馬隊(duì)伍
• 找出2018年32強(qiáng)中之前已經(jīng)進(jìn)入過(guò)世界杯，但在世界杯上沒(méi)有贏得過(guò)一場(chǎng)比賽的隊(duì)伍

當(dāng)然，我們本次的主要任務(wù)是要通過(guò)數(shù)據(jù)分析來(lái)預(yù)測(cè)2018年世界杯的奪冠熱門隊(duì)伍。

本次分析的數(shù)據(jù)來(lái)源于 Kaggle， 包含從 1872 年到今年的數(shù)據(jù)，包括世界杯比賽、世界杯預(yù)選賽、亞洲杯、歐洲杯、國(guó)家之間的友誼賽等比賽，一共大約 40000 場(chǎng)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(lái)看看數(shù)據(jù)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(shù)據(jù)集包含的數(shù)據(jù)列的信息如下：

• 日期
• 主隊(duì)名稱
• 客隊(duì)名稱
• 主隊(duì)進(jìn)球數(shù) (不含點(diǎn)球)
• 客隊(duì)進(jìn)球數(shù) (不含點(diǎn)球)
• 比賽的類型
• 比賽所在城市
• 比賽所在國(guó)家
• 是否中立

結(jié)果如下：

1. 獲取所有世界杯比賽的數(shù)據(jù)(不含預(yù)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(jié)果如下：

數(shù)據(jù)做一個(gè)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(gè)新的列數(shù)據(jù)，包含獲勝隊(duì)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(jié)果如下：

2. 獲取世界杯所有比賽的前20強(qiáng)數(shù)據(jù)情況

2.1 獲取世界杯所有比賽獲勝場(chǎng)數(shù)最多的前20強(qiáng)數(shù)據(jù)

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(jié)論1：

從贏球場(chǎng)數(shù)來(lái)看，巴西、德國(guó)、意大利、阿根廷四支球隊(duì)實(shí)力***。

通過(guò)上面的分析，我們還可以來(lái)查看部分國(guó)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(yùn)行結(jié)果分別是 ‘NA’，4，1，5，‘NA’。

從結(jié)果來(lái)看，中國(guó)隊(duì)，在世界杯比賽上(不含預(yù)選賽)還沒(méi)有贏過(guò)。當(dāng)然，本次世界杯的黑馬-埃及隊(duì)，之前兩度進(jìn)入世界杯上，但也沒(méi)有贏過(guò)~~

上面分析的是贏球場(chǎng)數(shù)的情況，下面我們來(lái)看下進(jìn)球總數(shù)情況。

2.2 各個(gè)國(guó)家隊(duì)進(jìn)球總數(shù)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(jié)論2：

從進(jìn)球總數(shù)量來(lái)看，德國(guó)、巴西、阿根廷、意大利四支球隊(duì)實(shí)力***。

上面分析的是自1872年以來(lái)的所有球隊(duì)的數(shù)據(jù)情況，下面，我們重點(diǎn)來(lái)分析下2018年世界杯32強(qiáng)的數(shù)據(jù)情況。

3. 2018年世界杯32強(qiáng)分析

2018年世界杯的分組情況如下：

• ***組：俄羅斯、德國(guó)、巴西、葡萄牙、阿根廷、比利時(shí)、波蘭、法國(guó)
• 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(dá)黎加、瑞典、突尼斯、埃及、塞內(nèi)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(guó)、沙特阿拉伯

獲取32強(qiáng)的所有數(shù)據(jù)

首先，判斷是否有隊(duì)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(guò)上述分析可知，冰島隊(duì)和巴拿馬隊(duì)是***打入世界杯的。

由于冰島隊(duì)和巴拿馬隊(duì)是***進(jìn)入世界杯，所以這里的32強(qiáng)數(shù)據(jù)，事實(shí)上是沒(méi)有這兩支隊(duì)伍的歷史數(shù)據(jù)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(lái)，32強(qiáng)數(shù)據(jù)情況

贏球場(chǎng)數(shù)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(jìn)球數(shù)據(jù)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(jié)論3：

自1872年以來(lái)，32強(qiáng)之間的世界杯比賽，從贏球場(chǎng)數(shù)和進(jìn)球數(shù)量來(lái)看，德國(guó)、巴西、阿根廷三支球隊(duì)實(shí)力***。

自1872年到現(xiàn)在，已經(jīng)有100多年，時(shí)間跨度較大，有些國(guó)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(lái)的比賽情況。

程序代碼是類似的，這里只顯示可視化的結(jié)果。

3.2 自1978年以來(lái)，32強(qiáng)數(shù)據(jù)情況

贏球場(chǎng)數(shù)情況

進(jìn)球數(shù)據(jù)情況

分析結(jié)論4：

自1978年以來(lái)，32強(qiáng)之間的世界杯比賽，從贏球場(chǎng)數(shù)來(lái)看，阿根廷、德國(guó)、巴西三支球隊(duì)實(shí)力***。從進(jìn)球數(shù)量來(lái)看，前3強(qiáng)也是這三支球隊(duì)，但德國(guó)隊(duì)的數(shù)據(jù)優(yōu)勢(shì)更明顯。

3.3 自2002年以來(lái)，32強(qiáng)數(shù)據(jù)情況

贏球場(chǎng)數(shù)情況

進(jìn)球數(shù)據(jù)情況

分析結(jié)論5：

自2002年以來(lái)，32強(qiáng)之間的世界杯比賽，從贏球場(chǎng)數(shù)和進(jìn)球數(shù)量來(lái)看，德國(guó)、阿根廷、巴西三支球隊(duì)實(shí)力***。其中，德國(guó)隊(duì)的數(shù)據(jù)優(yōu)勢(shì)更明顯。

4. 綜合結(jié)論

2018年世界杯的32支隊(duì)伍，根據(jù)以往的世界杯比賽數(shù)據(jù)來(lái)看，預(yù)測(cè)前三強(qiáng)為 德國(guó)、阿根廷和巴西，其中德國(guó)隊(duì)?wèi)?yīng)該是奪冠的***熱門。

特別說(shuō)明：以上數(shù)據(jù)分析，純屬個(gè)人學(xué)習(xí)用，預(yù)測(cè)結(jié)果與實(shí)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(xiàng)目實(shí)戰(zhàn)，希望可以給大家?guī)?lái)一些啟發(fā)。