基于Python預測一下世界杯最后贏家

更新時間：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動的球迷來說，這可是十分難得的盛宴。今天小編就通過Python數(shù)據(jù)分析以及機器學習等方式來預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，最后小編的預測基于該份數(shù)據(jù)集的基礎之上，另外一份數(shù)據(jù)集則是從1870年開始到2022年截止，所有參賽球隊的歷史交手成績匯總。那么我們首先導入要用到的模塊以及導入數(shù)據(jù)集。

模塊和數(shù)據(jù)集的導入

數(shù)據(jù)分析和可視化要用到的模塊分別是pandas、matplotlib以及seaborn，而機器學習預測要用到的模塊是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()方法來查看導入數(shù)據(jù)及的前幾行，校驗一下數(shù)據(jù)的導入是否成功，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)集有一個大致的了解，同時生成一些針對最后的預測大有幫助的特征出來，例如我們針對比賽當中的比分來判斷比賽是誰勝誰負，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單獨的國家，統(tǒng)計歷史過往中所有比賽的勝負率情況，例如小編比較喜歡阿根廷隊，就篩選出阿根廷隊的歷史戰(zhàn)績，代碼如下

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

output

那么同時我們也知道第一屆世界杯舉辦的時間是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

我們將比賽的結果的統(tǒng)計可視化出來，其中我們就能清晰地看到阿根廷球隊的勝負率的情況，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伍

我們先將目標鎖定在2018年俄羅斯世界杯的參賽隊伍上，總共是以下這幾支球隊

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

當然我們在最后進行預測的時候，會有一些無關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這一列的標簽做一次轉換，將贏得比賽的標簽改為2，輸?shù)舯荣惖臉撕灨臑?code>0，而平局的標簽改為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行獨熱編碼，用到的是pandas模塊當中的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

劃分出訓練集和測試集，調用的是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一步的完善一下整個預測的流程與結果，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))

預測結果

那么最后便是將我們訓練出來的模型去做一個預測了，我們先前的數(shù)據(jù)集當中有主隊和客隊之分，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，因此需要導入世界排名的數(shù)據(jù)集

#?導入新的數(shù)據(jù)集，各球隊的世界排名
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)集當中插入主隊和客隊排名的字段，代碼如下

#?插入兩個新的字段，主隊和客隊排名的字段
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是作為主隊還是客隊，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行編碼，這里就不做演示了，我們調用訓練好的模型并且進行比賽結果的預測，代碼如下

#?小組賽對決的預測?
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

上述預測的結果針對的是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

最后預測出來的結果如下所示

到此這篇關于基于Python預測一下世界杯最后贏家的文章就介紹到這了,更多相關Python預測世界杯贏家內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關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:

如何使用python3獲取當前路徑及os.path.dirname的使用
這篇文章主要介紹了如何使用python3獲取當前路徑及os.path.dirname的使用,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
2019-12-12
Django 接收Post請求數(shù)據(jù),并保存到數(shù)據(jù)庫的實現(xiàn)方法
今天小編就為大家分享一篇Django 接收Post請求數(shù)據(jù),并保存到數(shù)據(jù)庫的實現(xiàn)方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2019-07-07
Python中np.random.randint()參數(shù)詳解及用法實例
numpy.random.randint()函數(shù)不僅可以生成一維隨機數(shù)組,也可以生成多維度的隨機數(shù)組,下面這篇文章主要給大家介紹了關于Python中np.random.randint()參數(shù)詳解及用法的相關資料,需要的朋友可以參考下
2022-09-09
解決Python找不到ssl模塊問題 No module named _ssl的方法
這篇文章主要介紹了解決Python找不到ssl模塊問題 No module named _ssl的方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧
2019-04-04
python實現(xiàn)ID3決策樹算法
這篇文章主要為大家詳細介紹了python實現(xiàn)ID3決策樹算法，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2017-12-12
pytorch如何定義新的自動求導函數(shù)
這篇文章主要介紹了pytorch如何定義新的自動求導函數(shù)問題，具有很好的參考價值，希望對大家有所幫助。以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
2022-12-12
python?pandas創(chuàng)建多層索引MultiIndex的6種方式
這篇文章主要為大家介紹了python?pandas創(chuàng)建多層索引MultiIndex的6種方式，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪
2022-07-07
Django rest framework如何自定義用戶表
Django 默認的用戶表很多時候這些基本字段不夠用，本文介紹在 DRF上使用自定義用戶表進行接口訪問控制的功能設計。感興趣的可以了解一下
2021-06-06
簡單了解python PEP的一些知識
這篇文章主要介紹了簡單了解python PEP的一些知識,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
2019-07-07
詳解PyQt5中Thread多線程的使用
QThread是Qt線程類中最核心的底層類，這篇文章主要為大家介紹了PyQt5中Thread多線程的具體使用，感興趣的小伙伴可以跟隨小編一起學習一下
2023-08-08