点点热点

世界杯：西班牙vs佛得角

作者：

taotao

在







用Python分析世界杯比赛数据：以西班牙vs佛得角为例


用Python分析世界杯比赛数据：以西班牙vs佛得角为例

简介

足球世界杯是全球最受瞩目的体育盛事之一。对于开发者和技术爱好者而言，精彩的比赛不仅是观赏的对象，更是绝佳的数据分析与可视化学习素材。本文将以2026年美加墨世界杯小组赛H组首轮西班牙对阵佛得角的比赛为切入点，手把手教你如何使用Python及其强大的生态系统，从公开数据源获取比赛相关数据，并进行基础的分析与可视化。

无论你是足球迷还是数据科学的初学者，这个项目都能帮助你掌握数据获取、清洗、处理和展示的核心技能。通过分析这场比赛的预期数据，我们可以更理性地理解强弱对话中的数据叙事。

前置准备

在开始之前，请确保你的开发环境已准备就绪。

  1. Python环境：安装Python 3.8或更高版本。推荐使用Anaconda发行版，它内置了大量科学计算和数据分析库，可以省去很多安装麻烦。
  2. 代码编辑器：一款趁手的编辑器能让编码事半功倍。PyCharm 是Python开发的强大IDE，或者你也可以选择轻量级的 VS Code。
  3. 必要Python库：我们需要安装以下核心库。打开终端或命令提示符，运行以下命令：
    bash
    pip install pandas matplotlib seaborn requests beautifulsoup4 lxml

    • pandas: 用于数据处理和分析的核心库，其DataFrame结构非常适合处理表格数据。
    • matplotlib & seaborn: 经典且强大的数据可视化库。
    • requests & beautifulsoup4: 用于从网页获取和解析数据。

第一步：理解数据与明确目标

首先，我们需要明确分析目标。对于一场足球比赛，可以分析的维度很多。针对西班牙vs佛得角这场强弱分明的对决，我们可以设定以下目标：

  1. 阵容身价对比：通过球员的市场身价，直观感受双方阵容的纸面实力差距。
  2. 关键球员历史数据预览：获取双方核心球员过往赛季的出场、进球、助攻等数据。
  3. 比赛结果预测可视化：基于历史数据或赔率，用图表展示赛前各方的预测概率。

由于真实比赛数据（如控球率、射门次数）在赛前无法获得，我们将以“赛前分析”的角度，使用历史和预测数据进行工作。

第二步：寻找并获取数据

互联网上有丰富的公开足球数据源。一些常用的网站包括：

  • Transfermarkt (球员身价、转会信息)
  • FBref / WhoScored (详细的球员和比赛统计数据)
  • 国际足联(FIFA)官网 (国家队排名、赛程)

为简化教程并避免复杂的网页爬虫，我们将模拟一个数据结构，并假设我们已经从某个API或整理后的数据集中获取了数据。在实际项目中，你可能需要使用 requests 和 BeautifulSoup 去抓取网页表格，或使用 pandas.read_html() 函数。

import pandas as pd
import numpy as np

# 模拟数据：假设我们已经获取了西班牙和佛得角的核心球员数据
spain_players = pd.DataFrame({
    'Name': ['Rodri', 'Gavi', 'Pedri', 'Morata', 'Yamal', 'Carvajal'],
    'Position': ['MF', 'MF', 'MF', 'FW', 'FW', 'DF'],
    'Age': [27, 19, 21, 31, 16, 32],
    'Market_Value_M_EUR': [120, 90, 100, 25, 60, 20], # 身价（百万欧元）
    'Goals_Last_Season': [8, 2, 4, 15, 7, 2],
    'Assists_Last_Season': [12, 3, 6, 5, 10, 5]
})

cape_verde_players = pd.DataFrame({
    'Name': ['Bebe', 'Rocha Santos', 'Garry Rodrigues', 'Djaniny', 'Stopira', 'Vozinha'],
    'Position': ['FW', 'MF', 'MF', 'FW', 'DF', 'GK'],
    'Age': [33, 28, 33, 32, 35, 37],
    'Market_Value_M_EUR': [0.8, 0.5, 0.6, 0.4, 0.2, 0.1],
    'Goals_Last_Season': [5, 2, 3, 8, 0, 0],
    'Assists_Last_Season': [2, 4, 5, 2, 1, 0]
})

# 为DataFrame添加国家标识
spain_players['Country'] = 'Spain'
cape_verde_players['Country'] = 'Cape Verde'

# 合并数据
all_players = pd.concat([spain_players, cape_verde_players], ignore_index=True)
print("合并后的球员数据预览：")
print(all_players.head())

第三步：数据处理与分析

数据到手后，下一步是进行清洗和计算，以便于分析。

  1. 计算球队总身价：这是衡量球队“豪华程度”最直接的指标。
    “`python
    spain_value = spain_players[‘Market_Value_M_EUR’].sum()
    cape_verde_value = cape_verde_players[‘Market_Value_M_EUR’].sum()

    print(f”西班牙队总身价: {spain_value} M€”)
    print(f”佛得角队总身价: {cape_verde_value} M€”)
    print(f”西班牙队身价是佛得角的 {spain_value/cape_verde_value:.0f} 倍”)
    “`

  2. 筛选关键数据：找出两队身价最高的球员和进球最多的球员。
    “`python
    # 身价最高的球员
    most_valuable = all_players.loc[all_players.groupby(‘Country’)[‘Market_Value_M_EUR’].idxmax()]
    print(“\n各队身价最高的球员：”)
    print(most_valuable[[‘Name’, ‘Country’, ‘Market_Value_M_EUR’]])

    上赛季进球最多的球员

    top_scorer = all_players.loc[all_players.groupby(‘Country’)[‘Goals_Last_Season’].idxmax()]
    print(“\n各队上赛季进球最多的球员：”)
    print(top_scorer[[‘Name’, ‘Country’, ‘Goals_Last_Season’]])
    “`

第四步：数据可视化

将数字转化为图表，是让数据故事生动起来的关键。我们将使用 seaborn 和 matplotlib 创建几个核心图表。

1. 身价对比柱状图

import matplotlib.pyplot as plt
import seaborn as sns

# 设置中文显示
plt.rcParams["font.sans-serif"] = ["SimHei", "Arial Unicode MS"] # 用于显示中文标签
plt.rcParams["axes.unicode_minus"] = False # 用于显示负号

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 图表1：球队总身价对比
teams = ['Spain', 'Cape Verde']
values = [spain_value, cape_verde_value]
sns.barplot(x=teams, y=values, ax=axes[0], palette=['#c90f28', '#003893']) # 西班牙红，佛得角蓝
axes[0].set_title('球队总身价对比 (百万欧元)')
axes[0].set_ylabel('总身价 (M€)')
# 在柱状图上添加数值标签
for i, v in enumerate(values):
    axes[0].text(i, v + 1, f"{v} M€", ha='center', fontweight='bold')

# 图表2：球员个人身价Top 5（来自两队）
top5 = all_players.nlargest(5, 'Market_Value_M_EUR')
sns.barplot(data=top5, x='Market_Value_M_EUR', y='Name', hue='Country', ax=axes[1], dodge=False, palette=['#c90f28', '#003893'])
axes[1].set_title('双方身价最高的5名球员')
axes[1].set_xlabel('身价 (M€)')
axes[1].set_ylabel('')
axes[1].legend(title='国家')

plt.tight_layout()
plt.savefig('value_comparison.png', dpi=150)
plt.show()

2. 球员年龄与身价散点图

plt.figure(figsize=(10, 6))
sns.scatterplot(data=all_players, x='Age', y='Market_Value_M_EUR', hue='Country', 
                style='Country', s=100, palette=['#c90f28', '#003893'])

# 为关键球员添加注释
for i, row in all_players.iterrows():
    if row['Market_Value_M_EUR'] > 20 or row['Name'] in ['Lamine Yamal', 'Bebe']:
        plt.text(row['Age'] + 0.1, row['Market_Value_M_EUR'], row['Name'], fontsize=9)

plt.title('球员年龄 vs 市场身价')
plt.xlabel('年龄')
plt.ylabel('身价 (百万欧元)')
plt.grid(True, alpha=0.3)
plt.savefig('age_vs_value.png', dpi=150)
plt.show()

相关工具推荐

要完成这样一个数据分析项目，好的工具和硬件能让过程更顺畅。除了前面提到的开发软件，一些硬件和外设也值得关注。

  • 高性能笔记本电脑：处理数据、运行代码、多窗口切换需要一台性能均衡的笔记本电脑。推荐搭载最新处理器和充足内存（16GB及以上）的型号。
  • 舒适键盘：长时间编码，一把手感出色的 机械键盘 能有效缓解疲劳，提升编码体验。
  • 显示器：一块大尺寸或高分辨率的显示器，方便同时查看代码、文档和数据图表。
  • Python学习资源：如果你是Python新手，一本体系清晰的 Python入门书籍 配合官方文档是绝佳的学习组合。

常见问题

Q1: 我的数据无法被Pandas正确读取，怎么办？
A1: 检查文件格式（CSV， Excel等）和编码（UTF-8， GBK等）。可以使用pd.read_csv(‘file.csv’, encoding=’gbk’)指定编码。如果是网络爬取，确保你的请求头(User-Agent)设置正确，并遵守网站的robots.txt规则。

Q2: 图表中的中文显示为方框或乱码？
A2: 这是字体设置问题。在代码开头设置plt.rcParams[“font.sans-serif”]为你系统支持的中文字体名称，如[“SimHei”, “Microsoft YaHei”]。

Q3: 这个分析能预测比赛结果吗？
A3: 我们这里的分析基于历史数据和球员身价，属于“描述性分析”和“探索性分析”，不能直接用于预测比赛结果。真实的比赛结果受战术、状态、伤病、临场发挥等众多不可量化因素影响。更严谨的预测模型需要复杂的算法和更多的特征工程。

总结

通过本教程，我们以“西班牙vs佛得角”这场世界杯对决为引子，实践了一次完整的数据分析流程：从设定目标、获取模拟数据，到使用Pandas进行处理计算，最后用Seaborn和Matplotlib生成直观的图表。

我们发现，从数据层面看，西班牙队拥有绝对的纸面优势，全队身价超过佛得角上百倍，阵中充斥着效力于顶级豪门的球星。而佛得角队虽然整体身价较低，但也有像贝贝这样拥有英超出场经历的攻击手，其团队精神和战术执行力在预选赛中已得到证明。足球是圆的，数据分析则为我们提供了另一个审视比赛的理性视角。

你可以在此基础上扩展分析，例如引入FIFA排名历史数据、球员国籍分布、俱乐部归属分析等。编程和数据分析的魅力就在于，你可以用代码探索任何你感兴趣的领域。希望这个结合了体育热情与技术实践的教程能激发你的学习兴趣。


更多文章