Python项目开发实战_分析世界杯热门夺冠球队_编程案例解析实例详解课程教程.pdfVIP

45 项目实战：世界杯系列 45.1 第一篇：2018世界杯：用Python分析热门夺冠球队 2018 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： • 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 Kaggl ，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 inlin 5 plt.styl .us (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： • 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 427 Chapter45. 项目实战：世界杯系列 Python数据之道 • 比赛所在城市 • 比赛所在国家 • 是否中立 结果如下： 45.1.1 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=Tru )] 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[:,dat ] = pd.to_datetim (df_FIFA.loc[:,dat ]) 2 df_FIFA[year] = df_FIFA[dat ].dt.year 3 df_FIFA[diff_scor ] = df_FIFA[home_scor ]-df_FIFA[away_scor ] 4 df_FIFA[win_team ] = 5 df_FIFA[diff_scor ] = pd.to_numeric(df_FIFA[diff_scor ]) 创建一个新的列数据，包含获胜队伍的信息 1 # Th first method to get th winners 2 3 df_FIFA.loc[df_FIFA[diff_scor ] 0, win_team ] = df_FIFA.loc[df_FIFA[ diff_scor ] 0, home_team] 4 df_FIFA.loc[df_FIFA[diff_scor ] 0, win_team ] = df_FIFA.loc[df_FIFA[ diff_scor ] 0, away_team] 5 df_FIFA.loc[df_FIFA[diff_scor ]== 0, win_team ] = Draw 6 7 df_FIFA.head() 8 Chapter45. 项目实战：世界杯系列 Python数据之道 9 # Th second method to get th winners 10 11 def find_win_team(df): 12