最强观战指南 | Python分析热门夺冠球队（附源代码）

018年，火热的世界杯即将拉开序幕。在比赛开始之前，我们不妨用 Python 来对参赛队伍的实力情况进行分析，并大胆的预测下本届世界杯的夺冠热门球队。

通过数据分析，可以发现很多有趣的结果，比如：

当然，我们本次的主要任务是要通过数据分析来预测2018年世界杯的夺冠热门队伍。

本次分析的数据来源于 Kaggle， 包含从 1872 年到今年的数据，包括世界杯比赛、世界杯预选赛、亚洲杯、欧洲杯、国家之间的友谊赛等比赛，一共大约 40000 场比赛的情况。

本次的环境为

window 7 系统

python 3.6

Jupyter Notebook

pandas version 0.22.0

先来看看数据的情况：

1. import pandas as pd

2. import matplotlib.pyplot as plt

3. 
   

4. %matplotlib inline

5. plt.style.use('ggplot')

6. 
   

7. df = pd.read_csv('results.csv')

8. df.head()

该数据集包含的数据列的信息如下：

结果如下：

1. 获取所有世界杯比赛的数据（不含预选赛）

1. df_FIFA_all = df[df['tournament'].str.contains('FIFA', regex=True)]

2. df_FIFA = df_FIFA_all[df_FIFA_all['tournament']=='FIFA World Cup']

3. df_FIFA.head()

结果如下：

数据做一个初步整理

1. df_FIFA.loc[:,'date'] = pd.to_datetime(df_FIFA.loc[:,'date'])

2. df_FIFA['year'] = df_FIFA['date'].dt.year

3. df_FIFA['diff_score'] = df_FIFA['home_score']-df_FIFA['away_score']

4. df_FIFA['win_team'] = ''

5. df_FIFA['diff_score'] = pd.to_numeric(df_FIFA['diff_score'])

创建一个新的列数据，包含获胜队伍的信息

1. # The first method to get the winners

2. 
   

3. df_FIFA.loc[df_FIFA['diff_score']> 0, 'win_team'] = df_FIFA.loc[df_FIFA['diff_score']> 0, 'home_team']

4. df_FIFA.loc[df_FIFA['diff_score']< 0, 'win_team'] = df_FIFA.loc[df_FIFA['diff_score']< 0, 'away_team']

5. df_FIFA.loc[df_FIFA['diff_score']== 0, 'win_team'] = 'Draw'

6. 
   

7. df_FIFA.head()

8. 
   

9. # The second method to get the winners

10. 
    

11. def find_win_team(df):

12. winners = []

13. for i, row in df.iterrows():

14. if row['home_score'] > row['away_score']:

15. winners.append(row['home_team'])

16. elif row['home_score'] < row['away_score']:

17. winners.append(row['away_team'])

18. else:

19. winners.append('Draw')

20. return winners

21. 
    

22. df_FIFA['winner'] = find_win_team(df_FIFA)

23. df_FIFA.head()

结果如下：

2. 获取世界杯所有比赛的前20强数据情况

2.1 获取世界杯所有比赛获胜场数最多的前20强数据

1. s = df_FIFA.groupby('win_team')['win_team'].count()

2. s.sort_values(ascending=False, inplace=True)

3. s.drop(labels=['Draw'], inplace=True)

用pandas可视化如下：

柱状图

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

水平柱状图

1. s.sort_values(ascending=True,inplace=True)

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

饼图

1. s_percentage = s/s.sum()

2. s_percentage

3. s_percentage.tail(20).plot(kind='pie', figsize=(10,10), autopct='%.1f%%',

4. startangle=173, title='Top 20 Winners of World Cup', label='')

1

分析结论1：

从赢球场数来看，巴西、德国、意大利、阿根廷四支球队实力最强。

通过上面的分析，我们还可以来查看部分国家的获胜情况

1. s.get('China', default = 'NA')

2. s.get('Japan', default = 'NA')

3. s.get('Korea DPR', default = 'NA')

4. s.get('Korea Republic', default = 'NA')

5. s.get('Egypt', default = 'NA')

运行结果分别是 ‘NA’，4，1，5，‘NA’。

从结果来看，中国队，在世界杯比赛上（不含预选赛）还没有赢过。当然，本次世界杯的黑马-埃及队，之前两度进入世界杯上，但也没有赢过~~

上面分析的是赢球场数的情况，下面我们来看下进球总数情况。

2.2 各个国家队进球总数量情况

1. df_score_home = df_FIFA[['home_team', 'home_score']]

2. column_update = ['team', 'score']

3. df_score_home.columns = column_update

4. df_score_away = df_FIFA[['away_team', 'away_score']]

5. df_score_away.columns = column_update

6. df_score = pd.concat([df_score_home,df_score_away], ignore_index=True)

7. s_score = df_score.groupby('team')['score'].sum()

8. s_score.sort_values(ascending=False, inplace=True)

9. s_score.sort_values(ascending=True, inplace=True)

10. s_score.tail(20).plot(kind='barh', figsize=(10,6), title='Top 20 in Total Scores of World Cup')

1

分析结论2：

从进球总数量来看，德国、巴西、阿根廷、意大利四支球队实力最强。

上面分析的是自1872年以来的所有球队的数据情况，下面，我们重点来分析下2018年世界杯32强的数据情况。

3. 2018年世界杯32强分析

2018年世界杯的分组情况如下：

第一组：

第二组：

第三组：

第四组：

获取32强的所有数据

首先，判断是否有队伍首次打入世界杯。

1. team_list = ['Russia', 'Germany', 'Brazil', 'Portugal', 'Argentina', 'Belgium', 'Poland', 'France',

2. 'Spain', 'Peru', 'Switzerland', 'England', 'Colombia', 'Mexico', 'Uruguay', 'Croatia',

3. 'Denmark', 'Iceland', 'Costa Rica', 'Sweden', 'Tunisia', 'Egypt', 'Senegal', 'Iran',

4. 'Serbia', 'Nigeria', 'Australia', 'Japan', 'Morocco', 'Panama', 'Korea Republic', 'Saudi Arabia']

5. for item in team_list:

6. if item not in s_score.index:

7. print(item)

8. 
   

9. out:

10. Iceland

11. Panama

通过上述分析可知，冰岛队和巴拿马队是首次打入世界杯的。

由于冰岛队和巴拿马队是首次进入世界杯，所以这里的32强数据，事实上是没有这两支队伍的历史数据的。

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

3.1 自1872年以来，32强数据情况

赢球场数情况

1. s_32 = df_top32.groupby('win_team')['win_team'].count()

2. s_32.sort_values(ascending=False, inplace=True)

3. s_32.drop(labels=['Draw'], inplace=True)

4. s_32.sort_values(ascending=True,inplace=True)

5. s_32.plot(kind='barh', figsize=(8,12), title='Top 32 of World Cup since year 1872')

进球数据情况

1. df_score_home_32 = df_top32[['home_team', 'home_score']]

2. column_update = ['team', 'score']

3. df_score_home_32.columns = column_update

4. df_score_away_32 = df_top32[['away_team', 'away_score']]

5. df_score_away_32.columns = column_update

6. df_score_32 = pd.concat([df_score_home_32,df_score_away_32], ignore_index=True)

7. s_score_32 = df_score_32.groupby('team')['score'].sum()

8. s_score_32.sort_values(ascending=False, inplace=True)

9. s_score_32.sort_values(ascending=True, inplace=True)

10. s_score_32.plot(kind='barh', figsize=(8,12), title='Top 32 in Total Scores of World Cup since year 1872')

1

分析结论3：

自1872年以来，32强之间的世界杯比赛，从赢球场数和进球数量来看，德国、巴西、阿根廷三支球队实力最强。

自1872年到现在，已经有100多年，时间跨度较大，有些国家已发生重大变化，后续分别分析自1978年（近10届）以及2002年（近4届）以来的比赛情况。

程序代码是类似的，这里只显示可视化的结果。

3.2 自1978年以来，32强数据情况

赢球场数情况

进球数据情况

分析结论4：

自1978年以来，32强之间的世界杯比赛，从赢球场数来看，阿根廷、德国、巴西三支球队实力最强。从进球数量来看，前3强也是这三支球队，但德国队的数据优势更明显。

3.3 自2002年以来，32强数据情况

赢球场数情况

进球数据情况

分析结论5：

自2002年以来，32强之间的世界杯比赛，从赢球场数和进球数量来看，德国、阿根廷、巴西三支球队实力最强。其中，德国队的数据优势更明显。

4. 综合结论

2018年世界杯的32支队伍，根据以往的世界杯比赛数据来看，预测前三强为 德国、阿根廷和巴西，其中德国队应该是夺冠的最大热门。

特别说明：以上数据分析，纯属个人学习用，预测结果与实际情况可能偏差很大，不能用于其他用途。

原文发布时间为：2018-06-14

本文来自云栖社区合作伙伴“数据派THU”，了解相关信息可以关注“数据派THU”。