Python----数据分析(足球运动员数据分析)

一、数据展示

1.1、数据

1.2、列名

字段名 备注
Name 姓名
Nationality 国籍
National_Position 国家队位置
National_Kit 国家队号码
Club 所在俱乐部
Club_Position 所在俱乐部位置
Club_Kit 俱乐部号码
Club_Joining 加入俱乐部时间
Contract_Expiry 合同到期时间
Rating 评分
Height 身高
Weight 体重
Preffered_Foot 擅长左(右)脚
Birth_Date 出生日期
Age 年龄
Preffered_Position 擅长位置
Work_Rate 工作效率
Weak_foot 非惯用脚使用频率
Skill_Moves 技术等级
Ball_Control 控球技术
Dribbling 盘球(带球)能力
Marking 盯人能力
Sliding_Tackle 铲球
Standing_Tackle 逼抢能力
Aggression 攻击能力
Reactions 反映
Attacking_Position 攻击性跑位
Interceptions 抢断
Vision 视野
Composure 镇静
Crossing 下底传中
Short_Pass 短传
Long_Pass 长传
Acceleration 加速度
Speed 速度
Stamina 体力
Strength 强壮
Balance 平衡
Agility 敏捷度
Jumping 跳跃
Heading 投球
Shot_Power 射门力量
Finishing 射门
Long_Shots 远射
Curve 弧线
Freekick_Accuracy 任意球精准度
Penalties 点球
Volleys 凌空能力
GK_Positioning 门将位置感
GK_Diving 扑救能力
GK_Kicking 门将踢球能力
GK_Handling 扑球脱手几率
GK_Reflexes 门将反应度

二、加载数据

2.1、加载足球运动员数据

python 复制代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt


df = pd.read_csv('FullData.csv')

2.2、设置中文和负数不显示问题

python 复制代码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

三、数据清洗

3.1、缺值处理

3.1.1、查看缺失值

python 复制代码
df.info()

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。

3.1.2、显示缺失值的数据

python 复制代码
df[df['所在俱乐部位置'].isna()]

python 复制代码
df[df['所在俱乐部位置'].notna()]

3.1.3、获取未缺失值的数据

python 复制代码
df2 = df[~df['所在俱乐部位置'].isna()]

python 复制代码
df2 = df[df['所在俱乐部位置'].notna()]

python 复制代码
df2 = df[df['所在俱乐部位置'].notnull()]

3.2、异常值处理

3.2.1、数据描述统计信息

describe方法得到数据的描述性统计信息,比如max min,mean,std进行异常值分析

python 复制代码
df2.describe()

3.2.2、使用箱线图辅助查看异常值

python 复制代码
df2.boxplot(column='评分')
plt.show()

3.3、重复值处理

3.3.1、查看重复数据

python 复制代码
df.duplicated().any()

3.3.2、查看没有重复的数据

python 复制代码
df[~df.duplicated()]

3.3.3、删除重复的数据

python 复制代码
df.drop_duplicates()

3.3.4、指定列重复才删除

python 复制代码
df.drop_duplicates(subset=['姓名'])

3.3.5、替换原有的df数据

python 复制代码
df.drop_duplicates(inplace=True)

四、数据可视化

4.1、运动员的体重分布情况

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。

4.1.1、身高与体重处理

4.1.1.1、通过字符串的替换
python 复制代码
df3['身高']=df3['身高'].str.replace('cm','').astype('int')
df3['体重']=df3['体重'].str.replace('kg','').astype('int')
4.1.1.2、通过apply方式
python 复制代码
def handle_cm(v:str)-> int:
    return int(v.replace('cm',''))
def handle_kg(v:str)-> int:
    return int(v.replace('kg',''))
4.1.1.3、使用匿名函数的方式 lambda
python 复制代码
df3['身高'].apply(lambda x:int(x.replace('cm','')))
df3['体重'].apply(lambda x:int(x.replace('kg','')))

4.1.2、 查看身高体重_数据分布情况

python 复制代码
df3[['身高','体重']].describe()
直方图
python 复制代码
plt.hist(df3['身高'],bins=20)
plt.title('身高')
plt.show()

python 复制代码
plt.hist(df3['体重'],bins=20)
plt.title('体重')
plt.show()
画密度图
python 复制代码
df3['身高'].plot(kind='kde')
plt.title('身高')
plt.show()

python 复制代码
df3['体重'].plot(kind='kde')
plt.title('体重')
plt.show()

4.2、使用左右脚分析

4.2.1、使用饼状图来显示

python 复制代码
df3['擅长左(右)脚'].value_counts().plot(kind='pie',autopct='%.2f%%',fontsize=16)
plt.legend()
plt.show()

4.2.2、value_counts()方法

python 复制代码
df3['擅长左(右)脚'].value_counts()

4.2.3、 使用条形图

python 复制代码
df3['擅长左(右)脚'].value_counts().plot(kind='bar')
plt.show()

4.3、俱乐部评分分析

4.3.1、获取前10的 俱乐部,根据球员的评分

python 复制代码
dfg1=df3.groupby('所在俱乐部')
dfg1['评分'].mean().sort_values(ascending=False).head()

4.3.2、对俱乐部人数大于25人的俱乐部,平均评分进行排序取前10

python 复制代码
# 查看俱乐部的球员人数,球员的平均分
rs1 = dfg1['评分'].agg(['mean','count'])
# 查看俱乐部的球员人数,球员的平均分,过滤掉人数小于25
rs1['count']>=25
# 查看俱乐部的球员人数,球员的平均分,过滤掉人数小于25,排名前10的俱乐部
rs1[rs1['count']>=25].sort_values(by='mean',ascending=False).head(10)
# 根据排名进行绘制图表
rs1[rs1['count']>=25].sort_values(by='mean',ascending=False).head(10).plot(kind='bar')

4.4、运动员与出生日期是否相关

4.4.1、获取足球运动员出生日期

python 复制代码
data=df3['出生日期'].str.split('/',expand=True)

观察出生年和足球运动员数量关系

python 复制代码
data['年'].value_counts().plot()
plt.xlabel('年')
plt.show()


观察出生月和足球运动员数量关系

python 复制代码
data['月'].value_counts().plot()
plt.xlabel('月')
plt.show()


观察出生日和足球运动员数量关系

python 复制代码
data['日'].value_counts().plot()
plt.xlabel('日')
plt.show()

4.4.2、评分大于等于80与出生日期关系

python 复制代码
df4=df3[df3['评分']>80]
data2=df4['出生日期'].str.split('/',expand=True)
python 复制代码
data2.columns = ['月', '日', '年']  

观察出生年和足球运动员数量关系

python 复制代码
data2['年'].value_counts().plot()
plt.xlabel('年')
plt.show()


观察出生月和足球运动员数量关系

python 复制代码
data2['月'].value_counts().plot()
plt.xlabel('月')
plt.show()


观察出生日和足球运动员数量关系

python 复制代码
data2['日'].value_counts().plot()
plt.xlabel('日')
plt.show()

4.5、身高与体重相关性

python 复制代码
df3.plot(kind='scatter',x='身高',y='体重')
plt.show()
python 复制代码
df3['身高'].corr(df3['体重'])

corr查看相关性

np.float64(0.7582641987537077)

4.6、年龄与评分相关性

python 复制代码
df3['age']=pd.cut(df3['年龄'],bins=4,labels=['青年','中年','壮年','老年'])
python 复制代码
df3.groupby('age')['评分'].mean().plot()
plt.show()

4.7、分析数据之间的相关性

python 复制代码
df3.select_dtypes(include=['number']).corr()

查看哪些数据与评分相关性较强,得出前五名

python 复制代码
df3.select_dtypes(include=['number']).corr()['评分'].sort_values(ascending=False).head(5)
相关推荐
海天一色y7 分钟前
Pycharm(十一):字符串练习题
ide·python·pycharm
小白的高手之路15 分钟前
常用的卷积神经网络及Pytorch示例实现
人工智能·pytorch·python·深度学习·神经网络·cnn
谱度众合16 分钟前
组学数据分析实操系列 | (六)蛋白相互作用域可视化分析
数据挖掘·数据分析
滴答滴答嗒嗒滴19 分钟前
用 Python 实现机器学习小项目:从入门到实战
开发语言·python·机器学习
十三画者41 分钟前
【工具】BioPred一个用于精准医疗中生物标志物分析的 R 软件包
数据挖掘·数据分析·r语言·数据可视化
规划GIS会1 小时前
ima知识库第二弹,Python for ArcGIS Pro | 简简单单写个脚本工具
开发语言·python·arcgis
卑微小文1 小时前
惊!代理 IP 助力股海菜鸟变身赛场冠军!
爬虫·深度学习·数据分析
fengchengwu20121 小时前
python下载m3u8格式视频
开发语言·python·m3u8
暴力袋鼠哥1 小时前
基于Flask的跨境电商头程预警分析系统
后端·python·flask
在下_诸葛1 小时前
DeepSeek的API调用 | 结合DeepSeek API文档 | Python环境 | 对话补全(二)
人工智能·python·gpt·prompt·aigc