我用Python分析了4W场比赛，2018世界杯冠军竟然是……

 2018 年俄罗斯世界杯将在北京时间 6 月 14 日 23 时于莫斯科的场比卢日尼基球场正式打响揭幕战。

在比赛开始之前，赛世我们不妨用 Python 来对参赛队伍的界杯竟实力情况进行分析，并大胆的冠军预测下本届世界杯的夺冠热门球队。

通过数据分析，场比可以发现很多有趣的赛世结果，比如：

找出哪些队伍是界杯竟***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冠军队伍

当然，我们本次的场比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。

本次分析的赛世数据来源于 Kaggle， 包含从 1872 年到今年的界杯竟数据，包括世界杯比赛、冠军世界杯预选赛、场比亚洲杯、赛世欧洲杯、界杯竟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

先来看看数据的服务器托管情况：

import pandas as pd import matplotlib.pyplot as plt %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：

获取所有世界杯比赛的数据（不含预选赛）

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：

对数据做一个初步整理，代码如下：

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]) 

然后创建一个新的列数据，包含获胜队伍的信息，代码如下：

# 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() 

结果如下：

获取世界杯所有比赛的前 20 强数据情况

获取世界杯所有比赛获胜场数最多的前 20 强数据，代码如下：

s = df_FIFA.groupby(win_team)[win_team].count() s.sort_values(ascending=False, inplace=True) s.drop(labels=[Draw], inplace=True) 

然后用 pandas 可视化如下：

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

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) 

水平柱状图

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=) 

饼图

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***。

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，云服务器提供商之前两度进入世界杯，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。

分析各个国家队进球总数量情况，代码如下：

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***。

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。

2018 年世界杯 32 强分析

微信截图_20180604172650.png

2018 年世界杯的分组情况如下：

***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、网站模板墨西哥、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***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 

通过上述分析可知，冰岛队和巴拿马队是***打入世界杯的。

由于冰岛队和巴拿马队是***进入世界杯，所以这里的 32 强数据，没有这两支队伍的历史数据。

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

下面是自 1872 年以来，32 强数据情况分析：

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***。

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。

下面是自 1978 年以来，32 强数据情况分析：

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***。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。

下面是自 2002 年以来，32 强数据情况分析：

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***。其中，德国队的数据优势更明显。

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***热门。本文是一次比较综合的项目实战，希望可以给大家带来一些启发。 

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。

留 言 有 礼 活 动

根据各大数据机构给出的本届世界杯夺冠赔率榜，本次的八大夺冠热门球队为：巴西、德国、西班牙、法国、阿根廷、比利时、英格兰、葡萄牙。你觉得哪支球队能赢得冠军奖杯呢？扫描下方二维码，关注技术栈公众号。欢迎在技术栈微信公众号留言探讨。小编将精选出最有价值的三条评论，分别获得 50、30、20 元 的 红 包 奖 励，活动截止时间 6 月 21 号 12 时整。

很赞哦!（814）