day8 足球运动员分析
2024-05-17 16:23:57
足球运动员分析
背景信息
当前，足球运动是最受欢迎的运动之一（也可以说没有之一）。
任务说明
我们的任务，就是在众多的足球运动员中，发现统计一些关于足球运动员的共性，或某些潜在的规律。
数据集描述
数据集包含的是2017年所有活跃的足球运动员。
- Name 姓名
- Nationality 国籍
- National_Position 国家队位置
- National_Kit 国家队号码
- Club 所在俱乐部
- Club_Position 所在俱乐部位置
- Club_Kit 俱乐部号码
- Club_Joining 加入俱乐部时间
- Contract_Expiry 合同到期时间
- Rating 评分
- Height 身高
- Weight 体重
- Preffered_Foot 擅长左（右）脚
- Birth_Date 出生日期
- Age 年龄
- Preffered_Position 擅长位置
- Work_Rate 工作效率
- Weak_foot 非惯用脚使用频率
- Skill_Moves 技术等级
- Ball_Control 控球技术
- Dribbling 盘球（带球）能力
- Marking 盯人能力
- Sliding_Tackle 铲球
- Standing_Tackle 逼抢能力
- Aggression 攻击能力
- Reactions 反击
- Attacking_Position 攻击性跑位
- Interceptions 抢断
- Vision 视野
- Composure 镇静
- Crossing 下底传中
- Short_Pass 短传
- Long_Pass 长传
- Acceleration 加速度
- Speed 速度
- Stamina 体力
- Strength 强壮
- Balance 平衡
- Agility 敏捷度
- Jumping 跳跃
- Heading 投球
- Shot_Power 射门力量
- Finishing 射门
- Long_Shots 远射
- Curve 弧线
- Freekick_Accuracy 任意球精准度
- Penalties 点球
- Volleys 凌空能力
- GK_Positioning 门将位置感
- GK_Diving 扑救能力
- GK_Kicking 门将踢球能力
- GK_Handling 扑球脱手几率
- GK_Reflexes 门将反应度
导入相关的库
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rcParams["font.family"] = "SimHei"
mpl.rcParams["axes.unicode_minus"] = False
加载相关的数据集
- 加载相关的数据集（注意原数据集中是否存在标题），并查看数据的大致情况。
- 可以使用head / tail，也可以使用sample。
- 列没有显式完整，我们需要进行设置。（pd.set_option）
data = pd.read_csv("FullData.csv")
display(data.head(5))
# display(data.sample())
# 当列数较多时，默认情况下列不会显示完整。我们可以通过set_option方法来进行设置。
pd.set_option("display.max_columns", 100) # 100>53,所以全部显示
display(data.head(5))
数据探索与清洗
缺失值处理
- 通过inof查看缺失值信息（以及每列的类型信息）。
- 可以通过isnull, any, dropna，fillna等方法结合使用，对缺失值进行处理。
# 查看缺失值信息，发现国家队的位置和国家队的号码缺失比较多
# 究其原因：运动员很多，但是能进国家队的就比较少了
display(data.info())
# 俱乐部不缺失，但是俱乐部中的位置和编号缺失，就不正常了
display(data[data["Club_Position"].isnull()])
# 发现俱乐部位置和编号的缺失都在这里，所以直接将这一条记录过滤掉
data=data[data["Club_Position"].notnull()] # 过滤掉后的数据
# 查看俱乐部位置是否还有缺失值
print(data["Club_Position"].isnull().any())
异常值处理
- 通过describe查看数值信息。
- 可配合箱线图辅助。
display(data.describe())
data[["Age", "Rating"]].plot(kind="box")
重复值处理
- 使用duplicate检查重复值。可配合keep参数进行调整。
- 使用drop_duplicate删除重复值。
# 没有重复值。
display(data.duplicated().any()) # False没有重复值
# 如果存在重复值，则删除重复值。
data.drop_duplicates(inplace=True)
将身高与体重处理成数值类型，便于分析。
方法1：
# 观察一下身高和体重的信息
display(data.sample())
display(data.info())
# 注意：身高与体重是字符串类型，替换掉cm或kg之后，依然还是字符串类型，不会自动变成数值类型。
# 将cm和kg去掉，并转换成int型
t = data.copy()
t["Height"] = t["Height"].apply(lambda x: x.replace("cm", "")).astype(np.int32)
t["Weight"] = t["Weight"].apply(lambda x: x.replace("kg", "")).astype(np.int32)
display(t.head())
display(t.info())
方法2：
# 也可以使用字符串矢量化运算来解决。
data["Height"] = data["Height"].str.replace("cm", "").astype(np.int32)
data["Weight"] = data["Weight"].str.replace("kg", "").astype(np.int32)
data.info()
运动员的身高，体重，评分信息分布。
# 直方图是离散的统计，核密度图是连续的统计。身高，体重，与评分服从正态分布。
display(data[["Height", "Weight", "Rating"]].plot(kind="hist"))
display(data[["Height", "Weight", "Rating"]].plot(kind="kde"))
左脚与右脚选手在数量上是否存在偏差？
# 解决方法不止一种。
# 1 通过分组，然后聚合统计。
g = data.groupby("Preffered_Foot")
display(g["Preffered_Foot"].count())
display(g["Preffered_Foot"].count().plot(kind='bar'))
# 2 通过分组对象的size方法。
display(g["Preffered_Foot"].size())
display(g.size().plot(kind="bar"))
# 3 使用value_counts
# value_counts 默认根据值数量，按降序来进行排列。
# 我们可以通过ascending参数来控制升序还是降序。
data["Preffered_Foot"].value_counts(ascending=True).plot(kind="bar")
从球员平均评分上考虑，拥有top10评分能力的俱乐部 / 国家。【超过20人】
# 对俱乐部的分数的平均分统计
g = data.groupby("Club")
display(g["Rating"].mean().sort_values(ascending=False))
v = g["Rating"].agg(["mean", "count"])
v = v[v["count"] > 20]
display(v)
v.sort_values("mean", ascending=False).head(10).plot(kind="bar")
# 对国家队统计
g = data.groupby("Nationality")
display(g["Rating"].mean().sort_values(ascending=False))
v = g["Rating"].agg(["mean", "count"])
v = v[v["count"] > 20]
display(v.head(10))
v.sort_values("mean", ascending=False).head(10).plot(kind="bar")
哪个俱乐部拥有更多忠心的球员（5年及以上）？
x='07/01/2009'
a=x.split("/")
print(a)
print(a[-1])
# 获取球员加入俱乐部的年份。
display(data["Club_Joining"].head(2))
year = data["Club_Joining"].map(lambda x: x.split("/")[-1]).astype(np.int)
display(year.head(2))
# 用2017(获取数据的时间）-加入的时间>=5（同时，去掉自由身的球员）
t = data[(2017 - year >= 5) & (data["Club"] != "Free Agents")]
display(t.head(2))
# t.groupby("Club").size()
display(t["Club"].value_counts().head(5)) # 俱乐部超过5年球员的数量
t["Club"].value_counts().head(10).plot(kind="bar")
足球运动员是否是出生年月相关？
- 全体运动员
- 知名运动员（80分及以上）
display(data["Birth_Date"].head(2))
t = data["Birth_Date"].str.split("/", expand=True) # 矢量化张开成dateframe格式
display(t.head(2))
# display(t[2].value_counts().plot(kind="bar")) #年
display(t[0].value_counts().plot(kind="bar"))
# display(t[1].value_counts().plot(kind="bar"))
足球运动员号码是否与位置相关？
# 去掉替补球员与预备队球员。
display(data["Club_Position"].head(2))
display(data["Club_Kit"].head(2))
t = data[(data["Club_Position"] != "Sub") & (data["Club_Position"] != "Res")]
display(t.groupby(["Club_Kit", "Club_Position"]).size())
t.groupby(["Club_Kit", "Club_Position"]).size().sort_values(ascending=False).head(10).plot(kind="bar")
身高与体重是否具有相关性？
# 身高与体重息息相关。
display(data.plot(kind="scatter", x="Height", y="Weight")) # 相关
# 身高与评分关联性不大。
display(data.plot(kind="scatter", x="Height", y="Rating")) # 不相关
哪些指标对评分的影响最大？
data.corr() # 越大越相关
假设我们不清楚后2列的具体含义是什么，分析该标题可能的含义。
display(data.head(2))
data.groupby("Club_Position")["GK_Handling"].mean().sort_values(ascending=False).plot(kind="bar")
年龄与评分具有怎样的关系？
display(data.plot(kind="scatter", x="Age", y="Rating")) # 不明显
# 将连续的值切割成离散的形式。
# 注意：cut切割的桶，区间范围与直方图有些不同。cut的区间是前开后闭的形式。(]
# cut方法返回的值默认为我们桶的区间范围值，我们也可以通过labels属性来显式指定具体的标签。
display(pd.cut(data["Age"], bins=5))
display(pd.cut(data["Age"], bins=5, labels=["1区间", "2区间", "3区间", "4区间", "5区间"]).head(5))
t = data.copy()
# cut方法，如果bins是整数类型，则区间（桶）进行等分设置，如果区间不等分，则我们可以显式设置区间的取值范围。
# # 对bins参数传递一个数组，数组来指定区间的具体值。
t["Age2"] = pd.cut(t["Age"], bins=[1, 20, 30, 40, 100], labels=["初出茅庐", "快速成长", "当打之年", "衰老之年"])
display(t.head(5))
t.groupby("Age2")["Rating"].mean().plot(marker="o", xticks=[0, 1, 2, 3])
day8 足球运动员分析相关推荐
- 6-2. 实战项目：足球运动员分析
足球运动员分析 1. 项目背景 当前,足球运动是最受欢迎的运动之一(也可以说没有之一). 我们的任务,就是在众多的足球运动员中,发现统计一些关于足球运动员的共性,或某些潜在的规律.也是好玩. 2. 数 ...
- 数据分析案例-足球运动员分析
目录 加载数据 查看数据 数据详细 缺值处理 异常值处理 重复值处理 运动员身高和体重分布 左脚右脚使用数量 俱乐部球员评分分析 足球运动员数是否与出生日期相关 身高与体重是否具有相关性 加载数据 ...
- python神经网络多元函数_阿里达摩院推荐的最新400集python教程，据说懂中文就能上手...
小编的内心是强大的,网友虐我千百遍,我待网友如初恋,因为今天又给大家带来了干货,Python入门教程完整版,完整版啊!完整版! 为了吸取教训,小编一定要分享一下攻略,"怎样获得小编分享的教程 ...
- 逐条讲解python_名校教授推荐：Python458集大型视频，从正确的方向出发学习
在家办公的那段日子,原以为是快乐摸鱼的开始,可是问了一圈身边的朋友,基本都处于"007"的状态.好多次明明已经合上电脑了,微信上来个需求就得立马处理. 最近开始复工,也依然不能准时 ...
- 阿里达摩院python教程真的吗_阿里达摩院推荐的最新400集python教程，据说懂中文就能上手...
小编的内心是强大的,网友虐我千百遍,我待网友如初恋,因为今天又给大家带来了干货,Python入门教程完整版,完整版啊!完整版! 为了吸取教训,小编一定要分享一下攻略,"怎样获得小编分享的教程 ...
- Day8：财报分析3：为什么自由现金流如此重要？
回顾
- 新手该怎样学习网站分析？
其实一直以来总是有朋友问我:我是新手,我很喜欢网站分析,但我没有经验,我必须具备什么样的基础,又该如何开始入手学习呢? 在回答这个问题之前,我想首先问下面的这个问题:网站分析最重要的是什么? 网站分析 ...
- r语言模型评估:_情感分析评估：对自然语言处理的过去和未来的反思
r语言模型评估: I recently received a new paper titled"Evaluation of Sentiment Analysis in Finance: Fr ...
- dbeaver 数据转化 mapping_Python机器学习实例：数据竞赛-足球运动员身价估计
前言 1,背景介绍 每个足球运动员在转会市场都有各自的价码.本次数据练习的目的是根据球员的各项信息和能力来预测该球员的市场价值. 2,数据来源 FIFA2018 3,数据文件说明 数据文件分为三个: ...
最新文章
- python使用imbalanced-learn的ClusterCentroids方法进行下采样处理数据不平衡问题
- SpringMVC+Hibernate+Junit4+json基本框架近乎0配置
- 授权公钥登录，sudo权限脚本
- MySQL 插入、更新、删除、简单检索
- Java BigDecimal类的使用入门示例
- 教你一步步发布一个开源库到 JCenter
- js全选 复选框的问题
- mysql server8 jdbc_mysql8.0 jdbc连接注意事项
- 成都高新税务推出智能电话语音咨询服务 24小时在线答复
- OSPF默认选举DR/BDR得判断流程
- 动力节点老杜mysql文件_MySQL/InnoDB数据克隆插件(clone plugin)实现剖析
- 实用的chrome插件
- 基于Matlab的海洋监视雷达检测仿真（附源码）
- python运维系统模板,Python自动化运维之改造网页模板
- 系统自带输入法➋➌➍➎➏➐➑➒问题
- 智慧消防物联网落地案例（云南、福建、陕西） java 物联网智慧消防
- 腾讯云4核8g10M轻量服务器支持多少人在线？
- 请求转发（request对象）和重定向（response）的区别及何时使用请求转发和重定向
- 信创办公--基于WPS的Word最佳实践系列（使用智能图形丰富表达内容）
- Java过滤字符串中的手机号+提取字符串中的手机号+验证是否存在手机号