2018年，火熱的世界盃即將拉開序幕。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，並大膽的預測下本屆世界盃的奪冠熱門球隊。
通過數據分析，可以發現很多有趣的結果，比如：
- 找出哪些隊伍是首次進入世界盃的黑馬隊伍
- 找出2018年32強中之前已經進入過世界盃，但在世界盃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年世界盃的奪冠熱門隊伍。
本次分析的數據來源於 Kaggle， 包含從 1872 年到今年的數據，包括世界盃比賽、世界盃預選賽、亞洲盃、歐洲盃、國家之間的友誼賽等比賽，一共大約 40000 場比賽的情況。
本次的環境爲
- 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：
1、 獲取所有世界盃比賽的數據（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、 獲取世界盃所有比賽的前20強數據情況
2.1 獲取世界盃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最強。
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，在世界盃比賽上（不含預選賽）還沒有贏過。當然，本次世界盃的黑馬-埃及隊，之前兩度進入世界盃上，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、意大利四支球實力最強。
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年世界盃32強的數據情況。
3、2018年世界盃32強分析
2018年世界盃的分組情況如下：
第一組：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、祕魯、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，判斷是否有隊伍首次打入世界盃。
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首次打入世界盃的。
由於冰島隊和巴拿馬隊是首次進入世界盃，所以這裏的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強之間的世界盃比賽，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最強。
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，後續分別分析自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，這裏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強之間的世界盃比賽，從贏球場數來看，阿根廷、德國、巴西三支球隊實力最強。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。
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強之間的世界盃比賽，從贏球場數和進球數量來看，德國、阿根廷、巴西三支球隊實力最強。其中，德國隊的數據優勢更明顯。
4、綜合結論
2018年世界盃的32支隊伍，根據以往的世界盃比賽數據來看，預測前三強爲 德國、阿根廷和巴西，其中德國隊應該是奪冠的最大熱門。
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，不能用於其他用途。
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啓發。
如需獲取本文源代碼，請關注公衆號“Python數據之道”，在公衆號後臺回覆 “PyDataRoad” ，謝謝大家支持。