基于Python預(yù)測一下世界杯最后贏家

更新時(shí)間：2022年11月23日 09:10:10 作者：俊欣

四年一度的世界杯已經(jīng)開始了，對于不少熱愛足球運(yùn)動(dòng)的球迷來說，這可是十分難得的盛宴。今天小編就通過Python數(shù)據(jù)分析以及機(jī)器學(xué)習(xí)等方式來預(yù)測一下誰能獲得最后的冠軍，感興趣的可以了解一下

數(shù)據(jù)集的準(zhǔn)備

這里我們用到的數(shù)據(jù)集是來自kaggle的公開數(shù)據(jù)集，其中的一份數(shù)據(jù)集是2018年俄羅斯世界杯每小組各成員交手的記錄，最后小編的預(yù)測基于該份數(shù)據(jù)集的基礎(chǔ)之上，另外一份數(shù)據(jù)集則是從1870年開始到2022年截止，所有參賽球隊(duì)的歷史交手成績匯總。那么我們首先導(dǎo)入要用到的模塊以及導(dǎo)入數(shù)據(jù)集。

模塊和數(shù)據(jù)集的導(dǎo)入

數(shù)據(jù)分析和可視化要用到的模塊分別是pandas、matplotlib以及seaborn，而機(jī)器學(xué)習(xí)預(yù)測要用到的模塊是sklearn，代碼如下

import?pandas?as?pd?
import?numpy?as?np?
import?matplotlib.pyplot?as?plt?
import?seaborn?as?sns?
import?matplotlib.ticker?as?ticker?
from?sklearn.model_selection?import?train_test_split
from?sklearn.linear_model?import?LogisticRegression

接著我們導(dǎo)入數(shù)據(jù)集

world_cup?=?pd.read_csv("World_Cup_2018_Dataset.csv")
results?=?pd.read_csv("results.csv")

我們可以通過head()方法來查看導(dǎo)入數(shù)據(jù)及的前幾行，校驗(yàn)一下數(shù)據(jù)的導(dǎo)入是否成功，代碼如下

world_cup.head()

output

探索性數(shù)據(jù)分析和特征工程

接下來我們要做的便是探索性數(shù)據(jù)分析和特征工程了，來對數(shù)據(jù)集有一個(gè)大致的了解，同時(shí)生成一些針對最后的預(yù)測大有幫助的特征出來，例如我們針對比賽當(dāng)中的比分來判斷比賽是誰勝誰負(fù)，或者是平局，代碼如下

winner?=?[]
for?i?in?range(len(results["home_team"])):
????if?results["home_score"][i]?>?results["away_score"][i]:
????????winner.append(results["home_team"][i])
????elif?results["home_score"][i]?<?results["away_score"][i]:
????????winner.append(results["away_team"][i])
????else:
????????winner.append("Draw")

results["winning_team"]?=?winner
results["goal_difference"]?=?np.absolute(results["home_score"]?-?results["away_score"])
results.head()

output

緊接著我們針對某個(gè)單獨(dú)的國家，統(tǒng)計(jì)歷史過往中所有比賽的勝負(fù)率情況，例如小編比較喜歡阿根廷隊(duì)，就篩選出阿根廷隊(duì)的歷史戰(zhàn)績，代碼如下

df?=?results[(results["home_team"]?==?"Argentina")?|?(results["away_team"]?==?"Argentina")]
argen?=?df.iloc[:]
argen.head()

output

那么同時(shí)我們也知道第一屆世界杯舉辦的時(shí)間是1930年在烏拉圭舉辦的，那么篩選出在1930年之后的所有比賽的成績，代碼如下

year?=?[]
for?row?in?argen['date']:
????year.append(int(row[:4]))
argen["match_year"]?=?year
argen_1930?=?argen[argen.match_year?>=?1930]
argen_1930.head()

output

我們將比賽的結(jié)果的統(tǒng)計(jì)可視化出來，其中我們就能清晰地看到阿根廷球隊(duì)的勝負(fù)率的情況，代碼如下

x?=?["Argentina","Loss","Draw"]
y?=?[474,?220,?173]
?
sns.barplot(x,?y)
plt.title("win?games?vs?loss?games")
plt.xlabel("win?vs?loss")
plt.ylabel("count")
plt.show()

output

俄羅斯世界杯的參賽隊(duì)伍

我們先將目標(biāo)鎖定在2018年俄羅斯世界杯的參賽隊(duì)伍上，總共是以下這幾支球隊(duì)

world_cup_russia?=?["Australia",?"Iran",?"Japan",?"Korea?Republic",?"Saudi?Arabia",?"Egypt",?"Morocco",
???????????????????"Nigeria",?"Senegal",?"Tunisia",?"Costa?Rica",?"Mexico",?"Panama",?"Argentina",?"Brazil",?
????????????????????"Colombia",?"Peru",?"Uruguay",?"Belgium",?"Croatia",?"Denmark",?"England",?"France",?
????????????????????"Germany",?"Iceland",?"Poland",?"Portugal",?"Russia",?"Serbia",?"Spain",?"Sweden",?"Switzerland"]

然后我們篩選出來這32支球隊(duì)的過往的比賽成績，代碼如下

df_team_home?=?results[results['home_team'].isin(world_cup_russia)]
df_team_away?=?results[results['away_team'].isin(world_cup_russia)]
df_teams?=?pd.concat((df_team_home,?df_team_away))
df_teams.drop_duplicates(inplace=True)
df_teams.tail()

output

我們著重看的是1930年之后的比賽記錄，那么我們再進(jìn)行一次篩選，代碼如下

year?=?[]
for?row?in?df_teams["date"]:
????year.append(int(row[:4]))
df_teams["match_year"]?=?year
df_teams_1930?=?df_teams[df_teams.match_year?>=?1930]
df_teams_1930.head()

output

當(dāng)然我們在最后進(jìn)行預(yù)測的時(shí)候，會(huì)有一些無關(guān)緊要的特征摻雜其中，我們需要將其去掉，代碼如下

df_teams_1930?=?df_teams.drop(['date',?'home_score',?'away_score',?'tournament',?'city',?'country',?'goal_difference',?'match_year'],?axis=1)
df_teams_1930.tail()

output

我們需要將winning_team這一列的標(biāo)簽做一次轉(zhuǎn)換，將贏得比賽的標(biāo)簽改為2，輸?shù)舯荣惖臉?biāo)簽改為0，而平局的標(biāo)簽改為1，代碼如下

df_teams_1930?=?df_teams_1930.reset_index(drop=True)
df_teams_1930.loc[df_teams_1930.winning_team?==?df_teams_1930.home_team,'winning_team']=2
df_teams_1930.loc[df_teams_1930.winning_team?==?'Draw',?'winning_team']=1
df_teams_1930.loc[df_teams_1930.winning_team?==?df_teams_1930.away_team,?'winning_team']=0
df_teams_1930.tail()

output

緊接著，我們需要對這些離散類型的變量進(jìn)行獨(dú)熱編碼，用到的是pandas模塊當(dāng)中的get_dummies()方法，代碼如下

#?convert?home?team?and?away?team?from?categorical?variables?to?continous?inputs?
#?Get?dummy?variables
final?=?pd.get_dummies(df_teams_1930,?prefix=['home_team',?'away_team'],?columns=['home_team',?'away_team'])
final.head()

output

劃分出訓(xùn)練集和測試集，調(diào)用的是train_test_split()方法，代碼如下

#?Separate?X?and?y?sets
X?=?final.drop(['winning_team'],?axis=1)
y?=?final["winning_team"]
y?=?y.astype('int')

#?Separate?train?and?test?sets
X_train,?X_test,?y_train,?y_test?=?train_test_split(X,?y,?test_size=0.30,?random_state=42)

邏輯回歸算法

那小編這里調(diào)用的是非常簡單的邏輯回歸的算法，讀者朋友后續(xù)也可以嘗試其他的分類算法進(jìn)一步的完善一下整個(gè)預(yù)測的流程與結(jié)果，代碼如下

logreg?=?LogisticRegression()
logreg.fit(X_train,?y_train)
score?=?logreg.score(X_train,?y_train)
score2?=?logreg.score(X_test,?y_test)

print("Training?set?accuracy:?",?'%.3f'%(score))
print("Test?set?accuracy:?",?'%.3f'%(score2))

預(yù)測結(jié)果

那么最后便是將我們訓(xùn)練出來的模型去做一個(gè)預(yù)測了，我們先前的數(shù)據(jù)集當(dāng)中有主隊(duì)和客隊(duì)之分，但是在世界杯的賽場上沒有，這里我們就依據(jù)世界排名的先后順序來劃分一下，因此需要導(dǎo)入世界排名的數(shù)據(jù)集

#?導(dǎo)入新的數(shù)據(jù)集，各球隊(duì)的世界排名
ranking?=?pd.read_csv('datasets/fifa_rankings.csv')?
#?2018年俄羅斯世界杯的對陣情況
fixtures?=?pd.read_csv('datasets/fixtures.csv')

pred_set?=?[]

在數(shù)據(jù)集當(dāng)中插入主隊(duì)和客隊(duì)排名的字段，代碼如下

#?插入兩個(gè)新的字段，主隊(duì)和客隊(duì)排名的字段
fixtures.insert(1,?'first_position',?fixtures['Home?Team'].map(ranking.set_index('Team')['Position']))
fixtures.insert(2,?'second_position',?fixtures['Away?Team'].map(ranking.set_index('Team')['Position']))

#?我們篩選出來在小組賽中的對陣情況
fixtures?=?fixtures.iloc[:48,?:]
fixtures.head()

output

根據(jù)排名的高低來重新修正參賽球隊(duì)是作為主隊(duì)還是客隊(duì)，代碼如下

#?Loop?to?add?teams?to?new?prediction?dataset?based?on?the?ranking?position?of?each?team
for?index,?row?in?fixtures.iterrows():
????if?row['first_position']?<?row['second_position']:
????????pred_set.append({'home_team':?row['Home?Team'],?'away_team':?row['Away?Team'],?'winning_team':?None})
????else:
????????pred_set.append({'home_team':?row['Away?Team'],?'away_team':?row['Home?Team'],?'winning_team':?None})
????????
pred_set?=?pd.DataFrame(pred_set)
backup_pred_set?=?pred_set

pred_set.head()

output

還是和之前一樣的，我們需要對這些離散類型的變量進(jìn)行編碼，這里就不做演示了，我們調(diào)用訓(xùn)練好的模型并且進(jìn)行比賽結(jié)果的預(yù)測，代碼如下

#?小組賽對決的預(yù)測?
predictions?=?logreg.predict(pred_set)
for?i?in?range(fixtures.shape[0]):
????print(backup_pred_set.iloc[i,?1]?+?"?and?"?+?backup_pred_set.iloc[i,?0])
????if?predictions[i]?==?2:
????????print("Winner:?"?+?backup_pred_set.iloc[i,?1])
????elif?predictions[i]?==?1:
????????print("Draw")
????elif?predictions[i]?==?0:
????????print("Winner:?"?+?backup_pred_set.iloc[i,?0])
????print('Probability?of?'?+?backup_pred_set.iloc[i,?1]?+?'?winning:?',?'%.3f'%(logreg.predict_proba(pred_set)[i][2]))
????print('Probability?of?Draw:?',?'%.3f'%(logreg.predict_proba(pred_set)[i][1]))
????print('Probability?of?'?+?backup_pred_set.iloc[i,?0]?+?'?winning:?',?'%.3f'%(logreg.predict_proba(pred_set)[i][0]))
????print("")

output

上述預(yù)測的結(jié)果針對的是2018年俄羅斯世界杯小組賽的對陣情況，那么2022年卡塔爾世界杯小組賽的預(yù)測，我們只需要將fixture數(shù)據(jù)集更新一下即可

fixtures?=?pd.read_csv("datasets/fifa-world-cup-2022.csv")
fixtures.head()

output

最后預(yù)測出來的結(jié)果如下所示

到此這篇關(guān)于基于Python預(yù)測一下世界杯最后贏家的文章就介紹到這了,更多相關(guān)Python預(yù)測世界杯贏家內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

基于Python預(yù)測一下世界杯最后贏家

目錄

數(shù)據(jù)集的準(zhǔn)備

模塊和數(shù)據(jù)集的導(dǎo)入

探索性數(shù)據(jù)分析和特征工程

俄羅斯世界杯的參賽隊(duì)伍

邏輯回歸算法

預(yù)測結(jié)果

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具