点点热点

世界杯开赛以来最大冷门诞生

作者：

taotao

在







如何用Python分析世界杯比赛数据：从爆冷事件看数据分析实战


如何用Python分析世界杯比赛数据：从爆冷事件看数据分析实战

简介

在刚刚结束的2026美加墨世界杯小组赛中，一个惊人的冷门震惊了世界：世界排名第67位的佛得角队以0比0逼平了强大的夺冠热门西班牙队。这场比赛西班牙队控球率高达74%，射门次数18比3，但就是无法攻破对手的球门。作为技术爱好者，我们不禁思考：能否通过数据分析来理解这场比赛？ 更重要的是，我们能否建立一套分析工具，提前评估类似“爆冷”的可能性？

本文将带你实战构建一个世界杯数据分析项目。我们将使用Python获取、处理和分析足球比赛数据，并通过可视化来直观展示比赛数据。即使你是初中级开发者，也能跟着教程一步步完成。如果你需要一台性能不错的笔记本电脑来运行数据脚本，可以考虑高性能的型号。

前置准备

在开始之前，请确保你具备以下条件：

  1. Python环境：安装Python 3.8或更高版本
  2. 基础知识：基本的Python语法、数据处理概念
  3. 开发工具：推荐使用VS Code或PyCharm，配合好用的机械键盘会让编码更高效

  4. 所需库：我们将使用以下Python库：
    bash
    pip install pandas numpy matplotlib seaborn requests beautifulsoup4

  5. 数据源：我们将使用公开的足球比赛数据API或准备好的示例数据集

步骤1：获取和准备数据

首先，我们需要获取比赛数据。我们可以从公开的足球API获取数据，或者使用手动整理的数据集。

# data_loader.py
import pandas as pd
import requests
import json
from datetime import datetime

class WorldCupDataLoader:
    def __init__(self, api_key=None):
        self.api_key = api_key
        self.base_url = "https://api.football-data.org/v4"

    def get_match_data(self, match_id):
        """获取单场比赛的详细数据"""
        # 这里使用模拟数据，实际应用中可从API获取
        match_data = {
            "match_id": match_id,
            "home_team": "Spain",
            "away_team": "Cape Verde",
            "score": "0-0",
            "date": "2026-06-16",
            "stats": {
                "possession": {"home": 74, "away": 26},
                "shots": {"home": 18, "away": 3},
                "shots_on_target": {"home": 7, "away": 1},
                "corners": {"home": 12, "away": 2},
                "fouls": {"home": 9, "away": 14},
                "passes": {"home": 812, "away": 245},
                "pass_accuracy": {"home": 91, "away": 78}
            }
        }
        return match_data

    def get_team_rankings(self):
        """获取球队排名数据"""
        rankings = {
            "Spain": 67,  # 这里注意：西班牙实际排名很高，但为演示爆冷效果做了调整
            "Cape Verde": 67,
            "Brazil": 1,
            "France": 2,
            "England": 3
            # ... 更多球队
        }
        return rankings

# 使用示例
loader = WorldCupDataLoader()
match_data = loader.get_match_data("ESP-CPV-20260616")
print(f"比赛: {match_data['home_team']} vs {match_data['away_team']}")
print(f"比分: {match_data['score']}")

步骤2：数据清洗与整理

获取数据后，我们需要将其转换为适合分析的格式。Pandas是Python中处理表格数据的利器。

# data_processor.py
import pandas as pd
import numpy as np
from datetime import datetime

class MatchDataProcessor:
    def __init__(self, match_data):
        self.match_data = match_data
        self.processed_data = None

    def process_match_stats(self):
        """将比赛统计数据转换为DataFrame"""
        stats = self.match_data['stats']

        # 创建统计指标列表
        metrics = []
        home_values = []
        away_values = []

        for stat_name, values in stats.items():
            metrics.append(stat_name)
            home_values.append(values.get('home', 0))
            away_values.append(values.get('away', 0))

        # 创建DataFrame
        df = pd.DataFrame({
            'metric': metrics,
            'home': home_values,
            'away': away_values,
            'difference': [h - a for h, a in zip(home_values, away_values)]
        })

        # 计算百分比差异
        df['home_pct'] = df['home'] / (df['home'] + df['away']) * 100
        df['away_pct'] = 100 - df['home_pct']

        self.processed_data = df
        return df

    def calculate_performance_score(self, team):
        """计算球队表现评分"""
        if self.processed_data is None:
            self.process_match_stats()

        df = self.processed_data

        # 定义各项指标的权重
        weights = {
            'possession': 0.15,
            'shots': 0.20,
            'shots_on_target': 0.25,
            'corners': 0.10,
            'passes': 0.10,
            'pass_accuracy': 0.20
        }

        score = 0
        total_weight = 0

        for metric, weight in weights.items():
            if metric in df['metric'].values:
                metric_row = df[df['metric'] == metric].iloc[0]
                if team == 'home':
                    # 将统计数据标准化到0-100分
                    max_val = max(metric_row['home'], metric_row['away'])
                    if max_val > 0:
                        normalized = (metric_row['home'] / max_val) * 100
                        score += normalized * weight
                        total_weight += weight

        final_score = score / total_weight if total_weight > 0 else 50
        return round(final_score, 2)

# 使用示例
processor = MatchDataProcessor(match_data)
stats_df = processor.process_match_stats()
print("比赛统计：")
print(stats_df)

spain_score = processor.calculate_performance_score('home')
cape_verde_score = processor.calculate_performance_score('away')
print(f"\n西班牙表现评分: {spain_score}/100")
print(f"佛得角表现评分: {cape_verde_score}/100")

步骤3：数据分析与可视化

现在让我们通过可视化来直观理解这场比赛的数据。如果你打算深入学习数据可视化，一本好的Python数据科学手册会是不错的参考资料。

# visualizer.py
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

class MatchVisualizer:
    def __init__(self, stats_df):
        self.stats_df = stats_df
        plt.style.use('seaborn-v0_8-whitegrid')  # 设置图表风格

    def create_comparison_radar(self, team1, team2):
        """创建雷达图比较两队表现"""
        # 选择关键指标
        key_metrics = ['possession', 'shots', 'shots_on_target', 
                       'corners', 'passes', 'pass_accuracy']

        filtered_df = self.stats_df[self.stats_df['metric'].isin(key_metrics)]

        categories = filtered_df['metric'].tolist()
        team1_values = filtered_df['home_pct'].tolist()
        team2_values = filtered_df['away_pct'].tolist()

        # 计算角度
        angles = np.linspace(0, 2 * np.pi, len(categories), endpoint=False).tolist()

        # 闭合图形
        team1_values += team1_values[:1]
        team2_values += team2_values[:1]
        angles += angles[:1]

        # 创建雷达图
        fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))

        ax.plot(angles, team1_values, 'o-', linewidth=2, label=team1, color='#e63946')
        ax.fill(angles, team1_values, alpha=0.1, color='#e63946')

        ax.plot(angles, team2_values, 'o-', linewidth=2, label=team2, color='#457b9d')
        ax.fill(angles, team2_values, alpha=0.1, color='#457b9d')

        ax.set_xticks(angles[:-1])
        ax.set_xticklabels(categories)
        ax.set_ylim(0, 100)

        ax.set_title(f'{team1} vs {team2} 比赛数据对比', size=16, y=1.1)
        ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1))

        plt.tight_layout()
        plt.savefig('match_radar.png', dpi=300, bbox_inches='tight')
        plt.show()

    def create_bar_comparison(self):
        """创建柱状图比较关键数据"""
        key_stats = self.stats_df.head(6)  # 取前6个关键指标

        fig, axes = plt.subplots(2, 3, figsize=(15, 10))
        axes = axes.flatten()

        colors = ['#e63946', '#457b9d']

        for idx, (_, row) in enumerate(key_stats.iterrows()):
            ax = axes[idx]
            ax.bar(['Spain', 'Cape Verde'], [row['home'], row['away']], color=colors)
            ax.set_title(row['metric'].replace('_', ' ').title())
            ax.set_ylabel('数值')

            # 添加数值标签
            for i, v in enumerate([row['home'], row['away']]):
                ax.text(i, v + 0.5, str(v), ha='center', va='bottom', fontweight='bold')

        plt.suptitle('西班牙 vs 佛得角：关键数据对比', fontsize=16, y=1.02)
        plt.tight_layout()
        plt.savefig('match_bars.png', dpi=300, bbox_inches='tight')
        plt.show()

    def create_shot_chart(self, shots_data):
        """创建射门示意图（概念展示）"""
        fig, ax = plt.subplots(figsize=(12, 5))

        # 绘制球场示意图
        ax.plot([0, 100], [0, 0], 'k-', linewidth=2)
        ax.plot([0, 100], [100, 100], 'k-', linewidth=2)
        ax.plot([0, 0], [0, 100], 'k-', linewidth=2)
        ax.plot([100, 100], [0, 100], 'k-', linewidth=2)
        ax.plot([50, 50], [0, 100], 'k--', linewidth=1, alpha=0.3)

        # 绘制射门点（示例数据）
        np.random.seed(42)

        # 西班牙射门（红色）
        spain_x = np.random.uniform(60, 95, 18)
        spain_y = np.random.uniform(20, 80, 18)
        ax.scatter(spain_x, spain_y, c='#e63946', s=100, alpha=0.7, label='西班牙射门')

        # 佛得角射门（蓝色）
        cape_x = np.random.uniform(5, 40, 3)
        cape_y = np.random.uniform(30, 70, 3)
        ax.scatter(cape_x, cape_y, c='#457b9d', s=100, alpha=0.7, label='佛得角射门')

        ax.set_xlim(-5, 105)
        ax.set_ylim(-5, 105)
        ax.set_aspect('equal')
        ax.legend()
        ax.set_title('射门位置分布示意图', fontsize=14)
        ax.set_xlabel('场地长度方向')
        ax.set_ylabel('场地宽度方向')

        plt.tight_layout()
        plt.savefig('shot_chart.png', dpi=300)
        plt.show()

# 使用示例
visualizer = MatchVisualizer(stats_df)
visualizer.create_comparison_radar('西班牙', '佛得角')
visualizer.create_bar_comparison()

步骤4：构建简单的爆冷预测模型

基于历史数据，我们可以尝试构建一个简单的模型来预测比赛的可能结果。

“`python

predictor.py

import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

class UpsetPredictor:
def init(self):
self.model = RandomForestClassifier(n_estimators=100, random_state=42)
self.features = [‘rank_difference’, ‘home_advantage’, ‘historical_win_rate’]

def prepare_training_data(self):
    """准备训练数据（示例数据）"""
    # 实际应用中应使用大量历史比赛数据
    data = {
        'rank_difference': [60, 20, 10, 50, 15, 5, 40, 25, 8, 30],
        'home_advantage': [0, 1, 1, 0, 1, 1, 0, 1, 1, 0],  # 1表示主场
        'historical_win_rate': [0.9, 0.7, 0.6, 0.8, 0.65, 0.55, 0.75, 0.7, 0.6, 0.8],
        'is_upset': [0, 0, 0, 1, 0, 0, 1, 0, 0, 1]  # 1表示爆冷
    }
    return pd.DataFrame(data)

def train_model(self):
    """训练预测模型"""
    df = self.prepare_training_data()

    X = df[self.features]
    y = df['is_upset']

    # 分割数据集
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.2, random_state=42
    )

    # 训练模型
    self.model.fit(X_train, y_train)

    # 评估模型
    y_pred = self.model.predict(X_test)
    accuracy = accuracy_score(y_test, y_pred)
    print(f"模型准确率: {accuracy:.2f}")

    return self.model

def predict_upset_probability(self, team1_rank, team2_rank, 
                             is_home_team, historical_win_rate):
    """预测爆冷概率"""
    if not hasattr(self.model, 'classes_'):
        self.train_model()

    # 准备输入特征
    rank_diff = abs(team1_rank - team2_rank)

    # 简单特征工程
    features = np.array([[rank_diff, is_home_team, historical_win_rate]])

    # 预测概率
    proba = self.model.predict_proba(features)[0]
    upset_prob = proba[1] if len(proba) > 1 else 0

    return {
        'rank_difference': rank_diff,
        'upset_probability': upset_prob,
        'prediction': '可能爆冷' if upset_prob > 0.5 else '不太可能爆冷'
    }

使用示例：分析西班牙vs佛得角的比赛

predictor = UpsetPredictor()
prediction = predictor.predict_upset_probability(
team1_rank=8, # 西班牙实际排名
team2_rank=67, # 佛得角排名
is_home_team=0, #


更多文章