2018 年世界杯小組賽已經(jīng)在如火如荼的進(jìn)行中。在上篇文章我用Python分析了4W場比賽，2018世界杯冠軍竟然是……的基礎(chǔ)上，我們繼續(xù)分析世界杯 32 強(qiáng)的實(shí)力情況，以便能夠更進(jìn)一步分析本次世界杯的奪冠熱門球隊(duì)。

三十年河?xùn)|三十年河西，對(duì)于世界杯而言，這個(gè)時(shí)間可能 4 年就足夠。前幾場爆冷，使得天臺(tái)上已經(jīng)擁擠不堪，跳水的股市更是讓天臺(tái)一度混亂。

在文章開始之前，提醒大家：賭球有風(fēng)險(xiǎn)，看球須盡興。本文的重點(diǎn)是通過分析 32 強(qiáng)之間的比賽，透過歷史數(shù)據(jù)來預(yù)測奪冠熱門球隊(duì)。

本次分析的數(shù)據(jù)來源于 Kaggle， 包含從 1872 年到今年的數(shù)據(jù)，包括世界杯比賽、世界杯預(yù)選賽、亞洲杯、歐洲杯、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(huán)境為：

• Window 7 系統(tǒng)
• Python 3.6
• Jupyter Notebook
• pandas version 0.22.0

先來看看數(shù)據(jù)的情況：

import pandas as pd 
import matplotlib.pyplot as plt 
%matplotlib inline 
plt.style.use('ggplot') 
# 解決matplotlib顯示中文問題 
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默認(rèn)字體 
plt.rcParams['axes.unicode_minus'] = False  # 解決保存圖像是負(fù)號(hào)'-'顯示為方塊的問題 
df = pd.read_csv('results.csv') 
df.head() 

該數(shù)據(jù)集包含的數(shù)據(jù)列的信息如下：

• 日期
• 主隊(duì)名稱
• 客隊(duì)名稱
• 主隊(duì)進(jìn)球數(shù) （不含點(diǎn)球）
• 客隊(duì)進(jìn)球數(shù) （不含點(diǎn)球）
• 比賽的類型
• 比賽所在城市
• 比賽所在國家
• 是否中立

結(jié)果如下：

獲取所有世界杯比賽的數(shù)據(jù)（含預(yù)選賽）

創(chuàng)建一個(gè)新的列數(shù)據(jù)，包含獲勝隊(duì)伍的信息，以及獲取所有世界杯比賽的數(shù)據(jù)，包含預(yù)選賽。

mask = df['home_score'] - df['away_score'] 
df.loc[mask > 0, 'win_team'] = df.loc[mask > 0, 'home_team'] 
df.loc[mask < 0, 'win_team'] = df.loc[mask < 0, 'away_team'] 
df.loc[mask == 0, 'win_team'] = 'Draw' 
df_FIFA_all = df[df['tournament'].str.contains('FIFA', regex=True)] 

結(jié)果如下：

世界杯戰(zhàn)績分析 （含預(yù)選賽）

從前文來看， 在世界杯歷史上，實(shí)力最強(qiáng)的 5 支球隊(duì)是德國、阿根廷、巴西、法國、西班牙。

接下來，我們將比賽的范圍擴(kuò)大至包含世界杯預(yù)選賽，通過 5 支球隊(duì)之間的比賽情況來進(jìn)行分析。

team_top5 = ['Germany', 'Argentina', 'Brazil', 'France', 'Spain'] 
df_FIFA_top5 = df_FIFA_all[(df_FIFA_all['home_team'].isin(team_top5))& 
                                        (df_FIFA_all['away_team'].isin(team_top5))] 
df_FIFA_top5.shape 
out: 
(43, 10) 

在世界杯歷史上，5 支球隊(duì)在共有 43 場比賽相遇。

通過這 43 場比賽分析后，5 支球隊(duì)的勝負(fù)場數(shù)排名如下：

s_FIFA_top5 = df_FIFA_top5.groupby('win_team')['win_team'].count() 
s_FIFA_top5.drop('Draw', inplace=True) 
s_FIFA_top5.sort_values(ascending=False, inplace=True) 
s_FIFA_top5.plot(kind='bar', figsize=(10,6), title='Top Five in World Cup') 

結(jié)果如下：

下面，著重來分析下這 5 支球隊(duì)，在世界杯上，兩兩對(duì)陣時(shí)的勝負(fù)情況。

首先自定義兩個(gè)函數(shù)，分別獲得兩支球隊(duì)獲勝場數(shù)情況以及自定義繪圖函數(shù)，代碼如下：

# 自定義函數(shù)，返回兩支球隊(duì)獲勝場數(shù)情況 
def team_vs(df,team_A,team_B): 
    df_team_A_B = df[(df['home_team'].isin([team_A,team_B]))& 
                                        (df['away_team'].isin([team_A,team_B]))] 
    s_win_team = df_team_A_B.groupby('win_team')['win_team'].count() 
    return s_win_team 
# 如需獲取本文源代碼，請(qǐng)關(guān)注公眾號(hào)“Python數(shù)據(jù)之道”， 
# 在公眾號(hào)后臺(tái)回復(fù) “code” ，謝謝大家支持。 
# 自定義函數(shù)，兩支球隊(duì)在世界杯的對(duì)陣勝負(fù)情況制圖 
def team_vs_plot(df,team_A,team_B,ax): 
    s_win_FIFA = team_vs(df,team_A,team_B) 
    title = team_A + ' vs ' +team_B 
    s_win_FIFA.plot(kind='bar', ax =ax) 
    ax.set_xlabel('') 
    ax.set_title(title,fontdict={'fontsize':10}) 
    ax.set_xticklabels(s_win_FIFA.index, rotation=20) 

基于上述函數(shù)，分析世界杯戰(zhàn)績的結(jié)果如下：

巴西 vs 其他 4 支球隊(duì)

f, axes = plt.subplots(figsize=(10,10), ncols=2, nrows=2) 
ax1, ax2,ax3,ax4 = axes.ravel() 
team_vs_plot(df_FIFA_all,'Brazil','Germany',ax=ax1) 
team_vs_plot(df_FIFA_all,'Brazil','Argentina',ax=ax2) 
team_vs_plot(df_FIFA_all,'Brazil','France',ax=ax3) 
team_vs_plot(df_FIFA_all,'Brazil','Spain',ax=ax4) 
# 如需獲取本文源代碼，請(qǐng)關(guān)注公眾號(hào)“Python數(shù)據(jù)之道”， 
# 在公眾號(hào)后臺(tái)回復(fù) “code” ，謝謝大家支持。 
# set main title of the figure 
plt.suptitle('Brazil vs other Top 4 teams in World Cup', fontsize=14, fontweight='bold', x=0.5, y=0.94) 
plt.show() 

結(jié)果如下：

統(tǒng)計(jì)現(xiàn)象 1： 

在世界杯上的戰(zhàn)績，統(tǒng)計(jì)獲勝場數(shù)如下（不含平局）：

巴西 1：1 德國，巴西 6：3 阿根廷，巴西 1：2 法國，巴西 3：1 西班牙

巴西隊(duì)，輸贏不好判斷……

德國 vs 其他 3 支球隊(duì)

代碼跟 2.1 部分是類似的，結(jié)果如下：

統(tǒng)計(jì)現(xiàn)象 2：

在世界杯上的戰(zhàn)績，統(tǒng)計(jì)獲勝場數(shù)如下（不含平局）：

德國 4：1 阿根廷，德國 2：1 法國，德國 2：1 西班牙

德國在這 5 支球隊(duì)里，獲勝的優(yōu)勢相對(duì)比較明顯。

阿根廷 vs 其他 2 支球隊(duì)

代碼跟 2.1 部分是類似的，結(jié)果如下：

統(tǒng)計(jì)現(xiàn)象3：

在世界杯上的戰(zhàn)績，統(tǒng)計(jì)獲勝場數(shù)如下（不含平局）：

阿根廷 2：0 法國，阿根廷 1：0 西班牙

但阿根廷不敵巴西和德國

西班牙 vs 法國

綜合小結(jié)論：從歷屆世界杯上的表現(xiàn)情況來看，分析 5 強(qiáng)之間兩兩對(duì)陣后，發(fā)現(xiàn)德國隊(duì)的表現(xiàn)是最好的，其次巴西和阿根廷的表現(xiàn)也不錯(cuò)。

考慮到，歷屆世界杯的數(shù)據(jù)，時(shí)間跨度很大，很多球隊(duì)已經(jīng)發(fā)生了很大變化。

球隊(duì)真實(shí)的情況，可能選擇近幾年的比賽，以及包含不同級(jí)別的比賽，可能分析效果要更好些。

下面，重點(diǎn)來分析 2014 年以來包含所有比賽的情況。

2014 年以來，所有比賽的戰(zhàn)績對(duì)比

首先，時(shí)間選擇 2014 年之后（含 2014 年），距離現(xiàn)在的時(shí)間比較近，相對(duì)來說，球隊(duì)人員的組成變化小一些。

當(dāng)然，這里的時(shí)間選擇，對(duì)于結(jié)果是有影響的。 大家可以探討下這個(gè)因素帶來的影響。

2014 年以來所有球隊(duì)所有比賽勝負(fù)情況概覽：

df['date'] = pd.to_datetime(df['date']) 
df['year'] = df['date'].dt.year 
df_since_2014 = df[df['year']>=2014] 
df_since_2014.shape 

2014 年以來，共有 3600 多場比賽。針對(duì) 3600 多場比賽分析后，勝負(fù)場數(shù)情況如下：

s_all = df_since_2014.groupby('win_team')['win_team'].count() 
s_all.drop('Draw', inplace=True) 
s_all.sort_values(ascending=True, inplace=True) 
s_all.tail(50).plot(kind='barh', figsize=(8,16), tick_label='',title='Top 50 in all tournament since 2014') 

從上圖來看，2014 年以來，墨西哥，法國，德國、葡萄牙、巴西、比利時(shí)、韓國和西班牙表現(xiàn)相對(duì)較好。

結(jié)果是不是跟想象中的有些差異？6 月 17 日的小組賽，德國不敵墨西哥，看來也不是全無理由的。

但是，本次我們主要還是要考慮 32 強(qiáng)之間的對(duì)陣，這樣更能反映現(xiàn)實(shí)情況。

2014 年以來 32 強(qiáng)相互之間在所有比賽中的概覽情況：

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'] 
df_top32 = df_since_2014[(df_since_2014['home_team'].isin(team_list))&(df_since_2014['away_team'].isin(team_list))] 
s_top32 = df_top32.groupby('win_team')['win_team'].count() 
s_top32.drop('Draw', inplace=True) 
s_top32.sort_values(ascending=True, inplace=True) 
s_top32.plot(kind='barh', figsize=(8,12), tick_label='',title='Top 32 in all tournament since 2014') 
# plt.ylabel('') 

從上圖來看，自 2014 年以來，巴西、法國、葡萄牙、阿根廷、墨西哥、比利時(shí)、德國、西班牙、英國為前 9 強(qiáng)。

下面我們來分析 Top 9 之間的勝負(fù)情況：

team_top9 = [ 'Brazil', 'France', 'Portugal', 
             'Argentina','Mexico','Belgium', 
             'Germany','Spain','England'] 
df_top9 = df_since_2014[(df_since_2014['home_team'].isin(team_top9))& 
                        (df_since_2014['away_team'].isin(team_top9))] 
df_top9.shape 

2014 年以來，Top 9 之間一共踢了 44 場比賽（包括友誼賽）。

總體來說，比賽的場數(shù)不是太多，基于這些數(shù)據(jù)來分析，可能對(duì)結(jié)果會(huì)有較大的影響。

九強(qiáng)排名如下：

s_top9 = df_top9.groupby('win_team')['win_team'].count() 
s_top9.drop('Draw', inplace=True) 
s_top9.sort_values(ascending=False, inplace=True) 
s_top9.plot(kind='bar', figsize=(10,6), title='Top 9 in all tournament since 2014') 

來查看下都統(tǒng)計(jì)了哪些類型的比賽：

s_tournament = df_top9.groupby('tournament')['tournament'].count() 
s_tournament_percentage = s_tournament/s_tournament.sum() 
# s_tournament_percentage.sort_values(ascending=False, inplace=True) 
s_tournament_percentage.tail(20).plot(kind='pie', figsize=(10,10), autopct='%.1f%%', 
                           startangle=150, title='percentage of tournament', label='', 
                                     labeldistance=1.25, pctdistance=1.08) 

從上面來看，友誼賽占的比例較大?？紤]到友誼賽在有些情況下可能不能比較準(zhǔn)確的反映出球隊(duì)的真實(shí)水平，且友誼賽占的場數(shù)比例較大，我們剔除友誼賽再來看看結(jié)果情況。

2014 年以來 32 強(qiáng)剔除友誼賽后的勝負(fù)情況概覽：

df_top9_no_friendly = df_top9[df_top9['tournament']!= 'Friendly'] 
df_top9_no_friendly.groupby('tournament')['tournament'].count() 
out: 
tournament 
Confederations Cup              3 
FIFA World Cup                  6 
FIFA World Cup qualification    2 
UEFA Euro                       2 
Name: tournament, dtype: int64 

剔除友誼賽后，比賽類型分布如下：

剔除友誼賽后，Top 9 的情況如下：

在概覽中可以看出，是否剔除友誼賽（Friendly），對(duì)排名還是有影響的。

另外，剔除友誼賽后，總的比賽場數(shù)更少了（只有 13 場），9 強(qiáng)之間有些隊(duì)伍沒有比賽，或者沒有贏過，這個(gè)數(shù)據(jù)用來分析的作用更有限。

當(dāng)然，在分析中 是否要剔除友誼賽，應(yīng)該是值得商榷的。

九強(qiáng)兩兩對(duì)陣的勝負(fù)情況概覽

這里，我們后續(xù)分析采用包含友誼賽的數(shù)據(jù)，來分別分析9強(qiáng)之間兩兩對(duì)陣的情況，看看哪支球隊(duì)的勝率更高些。

首先自定義幾個(gè)函數(shù)，方便進(jìn)行分析。自定義獲取球隊(duì)某年至今獲勝比例函數(shù)：

# 自定義獲取球隊(duì)某年至今獲勝比例函數(shù) 
def probability(df,year,team_A,team_B): 
    prob = [] 
    df_year = df[df['year']>= year] 
    s = team_vs(df_year,team_A,team_B) 
    s_team_A = 0 if s.get(team_A) is None else s.get(team_A) 
    s_A_win = s_team_A/s.sum() 
    s_team_B = 0 if s.get(team_B) is None else s.get(team_B) 
    s_B_win = s_team_B/s.sum() 
    s_draw = 1 - s_A_win - s_B_win 
    prob.append(year) 
    prob.append(s_A_win) 
    prob.append(s_B_win) 
    prob.append(s_draw) 
    return prob   

自定義獲取兩支球隊(duì)歷史獲勝情況對(duì)比函數(shù)：

# 自定義獲取兩支球隊(duì)歷史獲勝情況對(duì)比函數(shù) 
def his_team_data(df,year_start,year_end,team_A,team_B): 
    row_team = [] 
#     df_team = pd.DataFrame(columns=('year', 'team_A_win', 'team_B_win', 'draw')) 
    for yr in list(range(year_start,year_end+1)): 
        team_A_vs_team_B = probability(df,yr,team_A,team_B) 
        row_team.append(team_A_vs_team_B) 
    team_A_win = team_A + '_win_percentage' 
    team_B_win = team_B + '_win_percentage' 
    df_team = pd.DataFrame(row_team, columns=('year', team_A_win, team_B_win, 'draw_percentage')) 
    return df_team 

自定義兩支球隊(duì)歷史獲勝情況制圖函數(shù)：

# 自定義兩支球隊(duì)歷史獲勝情況制圖函數(shù) 
def team_plot(df,year_start,year_end,team_A,team_B,ax): 
    team_A_vs_team_B = team_A + '_vs_' + team_B 
    team_A_vs_team_B = his_team_data(df,year_start,year_end,team_A,team_B) 
    title = team_A + ' vs ' + team_B 
    columns = [team_A+'_win_percentage',team_B+'_win_percentage','draw_percentage'] 
    team_A_vs_team_B.set_index('year')[columns].plot(kind='line',figsize=(10,6), title=title,ax=ax) 

這些函數(shù)有什么用呢，首先我們來分析下巴西 vs 德國的情況，如下：

team_A = 'Brazil' 
team_B = 'Germany' 
f, axes = plt.subplots(figsize=(6,12), ncols=1, nrows=2) 
ax1, ax2 = axes.ravel() 
team_plot(df,1930,2016,team_A,team_B,ax1) 
ax1.set_xlabel('') 
team_plot(df,2000,2016,team_A,team_B,ax2) 
ax2.set_title('') 
plt.show() 

上述圖中，x 軸代表的含義是從某年至今（數(shù)據(jù)集含有部分 2018 年的比賽數(shù)據(jù)），兩支球隊(duì)的勝負(fù)情況。 

例如 2012 對(duì)應(yīng)的是德國跟巴西從 2012 年至今，兩支球隊(duì)的勝負(fù)情況。所以，時(shí)間越早，兩支球隊(duì)的比賽數(shù)量越多，數(shù)據(jù)曲線的波動(dòng)可能要小些。

但由于球隊(duì)的成員組成在不斷的變化，會(huì)導(dǎo)致越早的數(shù)據(jù)，其分析價(jià)值越弱。 因此，選擇合適的年份進(jìn)行分析就顯得很重要。

有童鞋說，如果我要同時(shí)分析德國對(duì)陣另外 8  支球隊(duì)呢？

這里，用上面的函數(shù)，也是很迅速的，代碼如下：

team_A = 'Germany' 
for team in ['France','Portugal', 'Argentina','Mexico','Belgium','Brazil','Spain','England']: 
    team_B = team 
    f, axes = plt.subplots(figsize=(6,12), ncols=1, nrows=2) 
    ax1, ax2 = axes.ravel() 
    team_plot(df,1930,2016,team_A,team_B,ax1) 
    ax1.set_xlabel('') 
    team_plot(df,2000,2016,team_A,team_B,ax2) 
    ax2.set_title('') 
    plt.show() 

運(yùn)行上述代碼后，將會(huì)繪制 8 張圖，下面只放上其中幾張圖。

同理，如果你喜歡巴西隊(duì)或者別的球隊(duì)，也可以用上述代碼進(jìn)行分析。 

用上述函數(shù)可以快速的分析兩支球隊(duì)的歷史勝負(fù)情況，當(dāng)然，有些球隊(duì)之間，相遇很少，或者近些年沒有遭遇過，那分析結(jié)果可能就不好用了。

[[234068]]

當(dāng)然，數(shù)據(jù)分析的只是歷史情況，足球是圓的，場上瞬息萬變。比如，阿根廷現(xiàn)在岌岌可危，梅西內(nèi)心慌得一比……

預(yù)測

本屆世界杯真的是爆冷太多：

• 意大利，荷蘭，連小組賽都沒進(jìn)
• 阿根廷，可以說現(xiàn)在已涼了半截
• 德國隊(duì)，若不是最后的絕殺，也差不多可以送首涼涼了，不過現(xiàn)在看已回血大半

最后，來放上我的神預(yù)測。黑馬年年有，今年特別多，預(yù)測不準(zhǔn)，坐等 pia pia 打臉。

當(dāng)然，其實(shí)我內(nèi)心深處希望是下面這樣的。怎么樣，為強(qiáng)大的內(nèi)心點(diǎn)贊吧~~

特別說明： 以上數(shù)據(jù)分析，純屬個(gè)人學(xué)習(xí)用，預(yù)測結(jié)果與實(shí)際情況可能偏差很大，不能用于其他用途。