比赛已经开始，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吧！

通过数据分析，可以发现很多有趣的结果，比如：

找出哪些队伍是首次进入世界杯的黑马队伍

找出2018年32强中之前已经进入过世界杯，但在世界杯上没有赢得过一场比赛的队伍

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：

importpandasaspd

importmatplotlib.pyplotasplt

%matplotlib inline

plt.style.use('ggplot')

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

df.head()

该数据集包含的数据列的信息如下：

日期

主队名称

客队名称

主队进球数 (不含点球)

客队进球数 (不含点球)

比赛的类型

比赛所在城市

比赛所在国家

是否中立

结果如下：

1、 获取所有世界杯比赛的数据

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()

结果如下：

数据做一个初步整理

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'])

创建一个新的列数据，包含获胜队伍的信息

# 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

deffind_win_team(df):

winners = []

fori, rowindf.iterrows():

ifrow['home_score'] > row['away_score']:

winners.append(row['home_team'])

elifrow['home_score'] < row['away_score']:

winners.append(row['away_team'])

else:

winners.append('Draw')

returnwinners

df_FIFA['winner'] = find_win_team(df_FIFA)

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

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

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

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

用pandas可视化如下：

柱状图

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

水平柱状图

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

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

饼图

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

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')

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

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：俄罗斯、德国、巴西、葡萄牙、阿根廷、比利时、波兰、法国

第二组：西班牙、秘鲁、瑞士、英格兰、哥伦比亚、墨西哥、乌拉圭、克罗地亚

第三组：丹麦、冰岛、哥斯达黎加、瑞典、突尼斯、埃及、塞内加尔、伊朗

第四组：塞尔维亚、尼日利亚、澳大利亚、日本、摩洛哥、巴拿马、韩国、沙特阿拉伯

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。

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']

foriteminteam_list:

ifitemnot ins_score.index:

print(item)

out:

Iceland

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。

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

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')

进球数据情况

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。