使用Python分析世界杯比赛数据：以捷克1-1战平南非为例

简介

足球比赛的数据分析已成为现代体育的重要组成部分。本文将通过一个具体案例——2026年世界杯A组第二轮捷克1-1战平南非的比赛，教你如何使用Python进行比赛数据收集、处理和分析。你将学习到从网页抓取比赛数据、清理数据、进行可视化分析的基本流程，并了解如何利用数据得出有趣的结论。

即使你不是体育迷，这个教程也能帮你掌握数据处理的实用技能，这些技能可以应用于各种领域的数据分析任务。

前置准备

在开始之前，请确保你已经准备好以下环境和工具：

1. Python环境：建议安装Python 3.8或更高版本
2. 代码编辑器：机械键盘 可以提升编码效率，推荐使用VS Code或PyCharm
3. 必要的Python库：
4. requests：用于网络请求
5. beautifulsoup4：用于解析HTML
6. pandas：数据处理和分析
7. matplotlib：数据可视化
8. seaborn：更美观的统计图表

安装这些库的命令：

pip install requests beautifulsoup4 pandas matplotlib seaborn

1. 可靠的网络连接：用于获取在线数据
2. 数据存储：确保有足够的空间存储处理后的数据

如果你需要一台性能良好的笔记本电脑来运行这些代码，可以考虑购买具备足够内存和处理能力的型号。

步骤一：获取比赛基础数据

首先，我们需要获取比赛的基本信息。这里我们模拟从体育网站获取数据的过程，实际应用中可能需要根据具体网站调整解析逻辑。

import requests
from bs4 import BeautifulSoup
import pandas as pd
import json
from datetime import datetime

def fetch_match_basic_info():
    """获取比赛基础信息"""
    # 模拟比赛数据（实际应用中会从网站解析）
    match_data = {
        "tournament": "2026 FIFA World Cup",
        "group": "A",
        "round": "Group Stage - Matchday 2",
        "date": "2025-06-19",
        "time": "02:00 (UTC+8)",
        "venue": "MetLife Stadium, New Jersey",
        "attendance": 65432,
        "referee": "Michael Oliver (England)",
        "weather": "Clear, 22°C"
    }

    # 比赛基本信息
    match_info = {
        "home_team": "Czech Republic",
        "away_team": "South Africa",
        "final_score": "1-1",
        "home_score": 1,
        "away_score": 1,
        "home_scorers": ["Patrik Schick 38'"],
        "away_scorers": ["Percy Tau 65'"],
        "competition_stage": "Group Stage"
    }

    return {**match_data, **match_info}

# 获取并打印比赛信息
match_info = fetch_match_basic_info()
print("比赛基本信息:")
for key, value in match_info.items():
    print(f"{key}: {value}")

步骤二：获取详细比赛统计数据

接下来，我们获取更详细的比赛统计，包括控球率、射门次数、传球成功率等关键指标。

def fetch_match_statistics():
    """获取比赛详细统计数据"""
    stats_data = {
        "home_team_stats": {
            "team": "Czech Republic",
            "possession": 52.3,
            "total_shots": 14,
            "shots_on_target": 5,
            "shots_off_target": 9,
            "blocked_shots": 3,
            "corner_kicks": 7,
            "offsides": 2,
            "fouls": 12,
            "yellow_cards": 2,
            "red_cards": 0,
            "passes": 487,
            "pass_accuracy": 84.2,
            "crosses": 18,
            "cross_accuracy": 33.3,
            "duels_won": 62,
            "aerial_duels_won": 15,
            "tackles": 18,
            "interceptions": 10
        },
        "away_team_stats": {
            "team": "South Africa",
            "possession": 47.7,
            "total_shots": 10,
            "shots_on_target": 4,
            "shots_off_target": 6,
            "blocked_shots": 2,
            "corner_kicks": 4,
            "offsides": 3,
            "fouls": 15,
            "yellow_cards": 3,
            "red_cards": 0,
            "passes": 423,
            "pass_accuracy": 81.8,
            "crosses": 12,
            "cross_accuracy": 25.0,
            "duels_won": 58,
            "aerial_duels_won": 18,
            "tackles": 21,
            "interceptions": 8
        },
        "key_stats": {
            "expected_goals": {"Czech Republic": 1.42, "South Africa": 1.18},
            "big_chances": {"Czech Republic": 3, "South Africa": 2},
            "save_percentage": {"Czech Republic": 75.0, "South Africa": 80.0}
        }
    }

    return stats_data

# 获取统计数据
match_stats = fetch_match_statistics()

# 将数据转换为DataFrame便于分析
home_stats = pd.DataFrame([match_stats["home_team_stats"]])
away_stats = pd.DataFrame([match_stats["away_team_stats"]])

print("\n比赛统计数据:")
print("=" * 50)
print("捷克队统计:")
for key, value in match_stats["home_team_stats"].items():
    if key != "team":
        print(f"{key}: {value}")
print("\n南非队统计:")
for key, value in match_stats["away_team_stats"].items():
    if key != "team":
        print(f"{key}: {value}")

步骤三：数据清洗与预处理

实际获取的数据可能包含缺失值或异常值，我们需要进行清洗和预处理。

def clean_and_preprocess_data(stats_data):
    """清洗和预处理比赛数据"""

    # 创建比较DataFrame
    comparison_df = pd.DataFrame({
        'Statistic': list(stats_data['home_team_stats'].keys())[1:],  # 排除team字段
        'Czech Republic': list(stats_data['home_team_stats'].values())[1:],
        'South Africa': list(stats_data['away_team_stats'].values())[1:]
    })

    # 添加差异列
    comparison_df['Difference'] = comparison_df['Czech Republic'] - comparison_df['South Africa']

    # 添加优势方标记
    comparison_df['Advantage'] = comparison_df['Difference'].apply(
        lambda x: 'Czech Republic' if x > 0 else 'South Africa' if x < 0 else 'Even'
    )

    # 计算百分比类型数据的标准化值
    percentage_stats = ['possession', 'pass_accuracy', 'cross_accuracy', 'save_percentage']

    for stat in percentage_stats:
        if stat in comparison_df['Statistic'].values:
            idx = comparison_df[comparison_df['Statistic'] == stat].index[0]
            comparison_df.loc[idx, 'Czech Republic'] = f"{comparison_df.loc[idx, 'Czech Republic']}%"
            comparison_df.loc[idx, 'South Africa'] = f"{comparison_df.loc[idx, 'South Africa']}%"

    return comparison_df

# 清洗数据
comparison_df = clean_and_preprocess_data(match_stats)

print("\n数据对比表:")
print(comparison_df.to_string(index=False))

步骤四：数据可视化分析

使用图表可以更直观地展示比赛数据。我们将创建多个可视化图表来分析比赛。

import matplotlib.pyplot as plt
import seaborn as sns

def create_match_visualizations(stats_data):
    """创建比赛数据可视化图表"""

    # 设置中文字体支持
    plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans']
    plt.rcParams['axes.unicode_minus'] = False

    # 创建图表
    fig, axes = plt.subplots(2, 2, figsize=(15, 12))

    # 1. 基础统计对比条形图
    basic_stats = ['total_shots', 'shots_on_target', 'corner_kicks', 'fouls']
    home_values = [stats_data['home_team_stats'][stat] for stat in basic_stats]
    away_values = [stats_data['away_team_stats'][stat] for stat in basic_stats]

    x = range(len(basic_stats))
    width = 0.35

    axes[0, 0].bar([i - width/2 for i in x], home_values, width, label='捷克', color='#D32F2F')
    axes[0, 0].bar([i + width/2 for i in x], away_values, width, label='南非', color='#1B5E20')
    axes[0, 0].set_xlabel('统计项目')
    axes[0, 0].set_ylabel('数量')
    axes[0, 0].set_title('基础比赛统计对比')
    axes[0, 0].set_xticks(x)
    axes[0, 0].set_xticklabels(['总射门', '射正', '角球', '犯规'])
    axes[0, 0].legend()
    axes[0, 0].grid(True, alpha=0.3)

    # 2. 控球率饼图
    possession_data = [stats_data['home_team_stats']['possession'], 
                       stats_data['away_team_stats']['possession']]
    labels = ['捷克', '南非']
    colors = ['#D32F2F', '#1B5E20']

    axes[0, 1].pie(possession_data, labels=labels, colors=colors, autopct='%1.1f%%', 
                   startangle=90, textprops={'fontsize': 12})
    axes[0, 1].set_title('控球率对比')

    # 3. 传球成功率对比
    pass_stats = ['passes', 'pass_accuracy']
    pass_data = {
        '捷克': [stats_data['home_team_stats']['passes'], 
                stats_data['home_team_stats']['pass_accuracy']],
        '南非': [stats_data['away_team_stats']['passes'], 
                stats_data['away_team_stats']['pass_accuracy']]
    }

    pass_df = pd.DataFrame(pass_data, index=['传球次数', '传球成功率(%)'])
    pass_df.plot(kind='bar', ax=axes[1, 0], color=['#D32F2F', '#1B5E20'])
    axes[1, 0].set_title('传球数据对比')
    axes[1, 0].set_ylabel('数值')
    axes[1, 0].tick_params(axis='x', rotation=0)
    axes[1, 0].grid(True, alpha=0.3)

    # 4. 预期进球(xG)对比
    xg_data = [stats_data['key_stats']['expected_goals']['Czech Republic'],
               stats_data['key_stats']['expected_goals']['South Africa']]

    bars = axes[1, 1].bar(labels, xg_data, color=colors)
    axes[1, 1].set_title('预期进球(xG)对比')
    axes[1, 1].set_ylabel('xG值')
    axes[1, 1].grid(True, alpha=0.3)

    # 添加数值标签
    for bar, value in zip(bars, xg_data):
        height = bar.get_height()
        axes[1, 1].text(bar.get_x() + bar.get_width()/2., height + 0.05,
                f'{value:.2f}', ha='center', va='bottom', fontsize=12)

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

    print("\n可视化图表已保存为 'match_analysis.png'")

# 创建可视化
create_match_visualizations(match_stats)

步骤五：使用机器学习进行比赛模式分析

我们可以使用简单的聚类分析来识别比赛中的不同阶段和模式。

“`python
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
import numpy as np

def analyze_match_patterns():
“”“分析比赛模式”“”
# 模拟比赛时间段数据（每5分钟为一个时间段）
time_periods = list(range(0, 95, 5)) # 0-90分钟，每5分钟

# 模拟每个时间段的事件数据
np.random.seed(42)  # 保证结果可重现

# 捷克队每个时间段的进攻活动
czech_attack = np.random.poisson(2.5, len(time_periods))
czech_attack[7] = 4  # 第35-40分钟（进球时段）进攻活动增加
czech_attack[8] = 3  # 第40-45分钟

# 南非队每个时间段的进攻活动
south_africa_attack = np.random.poisson(1.8, len(time_periods))
south_africa_attack[12] = 4  # 第60-65分钟（进球时段）进攻活动增加
south_africa_attack[13] = 3  # 第65-70分钟

# 创建数据矩阵
X = np.column_stack([czech_attack, south_africa_attack])

# 标准化数据
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 使用K-means聚类分析
kmeans = KMeans(n_clusters=3, random_state=42, n_init=10)
clusters = kmeans.fit_predict(X_scaled)

# 可视化聚类结果
plt.figure(figsize=(12, 6))

# 按聚类着色
colors = ['red', 'blue', 'green']
for i in range(3):
    mask = clusters == i
    plt.scatter(np.array(time_periods)[mask], X[mask, 0], 
               color=colors[i], label=f'阶段 {i+1}', alpha=0.7, s=100)
    plt.scatter(np.array(time_periods)[mask], X[mask, 1], 
               color=colors[i], alpha=0.7, s=100, marker='x')

plt.xlabel('比赛时间（分钟）')
plt.ylabel('进攻活动指数')
plt.title('比赛模式聚类分析')
plt.legend(['捷克进攻', '南非进攻'])
plt.grid(True, alpha=0.3)

# 添加进球时间标记
plt.axvline(x=38, color='gray', linestyle='--', alpha=0.5)
plt.text(38, max(X[:, 0]), '捷克进球', rotation=90, alpha=0.7)

plt.axvline(x=65, color='gray', linestyle='--', alpha=0.5)
plt.text(65, max(X[:, 0]), '南非进球', rotation=90, alpha=0.7)

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

# 分析聚类结果
print("\n比赛阶段分析:")
for i in range(3):
    cluster_mask = clusters == i
    cluster_times = np.array(time_periods)[cluster_mask]

    if len(cluster_times) > 0:
        print(f"\n