Pandas实战 足球运动员数据分析

Posted 2021-07-04 ZSYL

足球运动员数据分析

• 加载数据
• 查看数据
• • shape
  • head
  • tail
  • info
• 缺值处理
• • notnull
  • duplicated
• 运动员身高和体重分布
• • 去掉 Height 和 Weight 数据的单位
  • 修改身高和体重的类型 object --int
  • 查看运动员 Height 数值分布
  • 查看运动员 Weight 数值分布
• 统计运动员左脚和右脚使用比例
• 相关性分析

加载数据

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
#支持中文 
#解决中文显示问题 
plt.rcParams['font.sans-serif'] = ['KaiTi']  # 指定默认字体 
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题 
player = pd.read_csv('./data/FullData.csv')

查看数据

shape

查看数据形状规模大小

player.shape

head

查看数据前 5 行

player.head()

tail

查看后几行

player.tail()

info

查看每列数据的数据类型

player.info()

缺值处理

从上述示例可以看到总共 17588 行，但 National_Position（国家队位置） 是 1075 行，Club_Position （俱乐部位置）17587 行。

我们知道有的足球运动员是没有进入国家队的，所以 National_Position 缺值是正常情况。但 Club_Position 缺值需要处理。

notnull

删除 Club_Position 的缺失值

player = player[player['Club_Position'].notnull()] 
player.info()

duplicated

查看是否有重复数据

player.duplicated().any() #只要有重复，则返回true

运动员身高和体重分布

从查看数据结果可以看到运动员身高 Height、体重 Weight 的数据后都添加了相应的单位。

要分析运动员身高和体重的分布，首先需要将身高 Height 和 Weight 数据的单位去掉。

去掉 Height 和 Weight 数据的单位

player['Height'] = player['Height'].str.replace('cm','') 
player['Weight'] = player['Weight'].str.replace('kg','') 
player['Height'] = player['Height'].astype('int') 
player['Weight'] = player['Weight'].astype('int') 
display(player['Height'].head(),player['Weight'].head())

查看Height数据

player['Height']

查看Weight数据

player['Weight']

去掉身高和体重后面的单位

显示运动员数据信息

player.info()

修改身高和体重的类型 object --int

player['Height'] = player['Height'].astype('int')
player['Weight'] = player['Weight'].astype('int')

查看运动员 Height 数值分布

player['Height'].describe()

import matplotlib.pyplot as plt
#解决中文显示问题
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
# 使用直方图显示身高数值分布
player['Height'].plot(kind='hist')

查看运动员 Weight 数值分布

player['Weight'].describe()

player['Weight'].plot(kind='hist')

统计运动员左脚和右脚使用比例

查看足球运动员左脚右脚使用情况

player['Preffered_Foot'].head(10)

从上述示例可以看到，足球运动员踢球有使用左脚也有使用右脚。要统计使用左脚和右脚的数量，需要按 Preffered_Foot 进行分组，计算其 count() 值。我们可以使用饼状图来显示左脚右脚选手数量的差别。

使用饼状图来显示左脚右脚选手数量的差别

#按Preffered_Foot这列分组
player_g = player.groupby('Preffered_Foot')
player_c = player_g['Preffered_Foot'].count()
#使用饼状图显示
player_c.plot(kind='pie',autopct='%.2f')  # autopct显示比率
# player_c.plot(kind='pie')

按某列分组计算 count() 值可以直接使用 value_counts() 方法，示例如下：

player_c = player['Preffered_Foot'].value_counts()
player_c.name=''
player_c.plot(kind='pie',autopct='%.2f')

相关性分析

通过散点图查看变量之间关系。

分析足球运动员的身高和体重是否相关

#分析身高和体重的相关性
player.plot(kind='scatter',x='Height',y='Weight')

从上面示例可以看到，身高和体重有一定的相关性，身高越高体重越重。

分析足球运动员的身高和评分是否相关

player.plot(kind='scatter',x='Height',y='Rating') #分析身高和评分是否有关

从上面示例可以看到，身高和评分并没有一定的相关性。查看两个变量是否有相关性，可以通过 corr()方法，该方法返回两个变量的相关系数值，相关系数值越大表示这两个变量相关性越强。相关系数的最大值为 1，即获变量自己和自己的相关系数就是 1。

通过相关系数查看两个变量是否相关

print('身高和身高相关系数：',player['Height'].corr(player['Height']))
print('身高和体重相关系统：',player['Height'].corr(player['Weight']))
print('身高和评分相关系统：',player['Height'].corr(player['Rating']))

分析对评分影响前 10 的变量

player.corr()['Rating']

在上述示例中，首先获取影响评分的相关系数值，再对其进行排序。按照某列排序需要调用 sort_values() 方法，在 sort_values() 方法中通过 ascending 参数指定是升序还是降序。 ascending 参数默认值为 True，表示升序排序，如果想降序需要将 ascending 参数设置为 False。

#排序  sort_values
player.corr()['Rating'].sort_values(ascending=False).head(10)

感谢！努力！

加油啊!