基于Python预测一下世界杯最后赢家

更新时间：2022年11月23日 09:10:10 作者：俊欣

四年一度的世界杯已经开始了，对于不少热爱足球运动的球迷来说，这可是十分难得的盛宴。今天小编就通过Python数据分析以及机器学习等方式来预测一下谁能获得最后的冠军，感兴趣的可以了解一下

数据集的准备

这里我们用到的数据集是来自kaggle的公开数据集，其中的一份数据集是2018年俄罗斯世界杯每小组各成员交手的记录，最后小编的预测基于该份数据集的基础之上，另外一份数据集则是从1870年开始到2022年截止，所有参赛球队的历史交手成绩汇总。那么我们首先导入要用到的模块以及导入数据集。

模块和数据集的导入

数据分析和可视化要用到的模块分别是pandas、matplotlib以及seaborn，而机器学习预测要用到的模块是sklearn，代码如下

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
import seaborn as sns 
import matplotlib.ticker as ticker 
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

接着我们导入数据集

world_cup = pd.read_csv("World_Cup_2018_Dataset.csv")
results = pd.read_csv("results.csv")

我们可以通过head()方法来查看导入数据及的前几行，校验一下数据的导入是否成功，代码如下

world_cup.head()

output

探索性数据分析和特征工程

接下来我们要做的便是探索性数据分析和特征工程了，来对数据集有一个大致的了解，同时生成一些针对最后的预测大有帮助的特征出来，例如我们针对比赛当中的比分来判断比赛是谁胜谁负，或者是平局，代码如下

winner = []
for i in range(len(results["home_team"])):
    if results["home_score"][i] > results["away_score"][i]:
        winner.append(results["home_team"][i])
    elif results["home_score"][i] < results["away_score"][i]:
        winner.append(results["away_team"][i])
    else:
        winner.append("Draw")

results["winning_team"] = winner
results["goal_difference"] = np.absolute(results["home_score"] - results["away_score"])
results.head()

output

紧接着我们针对某个单独的国家，统计历史过往中所有比赛的胜负率情况，例如小编比较喜欢阿根廷队，就筛选出阿根廷队的历史战绩，代码如下

df = results[(results["home_team"] == "Argentina") | (results["away_team"] == "Argentina")]
argen = df.iloc[:]
argen.head()

output

那么同时我们也知道第一届世界杯举办的时间是1930年在乌拉圭举办的，那么筛选出在1930年之后的所有比赛的成绩，代码如下

year = []
for row in argen['date']:
    year.append(int(row[:4]))
argen["match_year"] = year
argen_1930 = argen[argen.match_year >= 1930]
argen_1930.head()

output

我们将比赛的结果的统计可视化出来，其中我们就能清晰地看到阿根廷球队的胜负率的情况，代码如下

x = ["Argentina","Loss","Draw"]
y = [474, 220, 173]
 
sns.barplot(x, y)
plt.title("win games vs loss games")
plt.xlabel("win vs loss")
plt.ylabel("count")
plt.show()

output

俄罗斯世界杯的参赛队伍

我们先将目标锁定在2018年俄罗斯世界杯的参赛队伍上，总共是以下这几支球队

world_cup_russia = ["Australia", "Iran", "Japan", "Korea Republic", "Saudi Arabia", "Egypt", "Morocco",
                   "Nigeria", "Senegal", "Tunisia", "Costa Rica", "Mexico", "Panama", "Argentina", "Brazil", 
                    "Colombia", "Peru", "Uruguay", "Belgium", "Croatia", "Denmark", "England", "France", 
                    "Germany", "Iceland", "Poland", "Portugal", "Russia", "Serbia", "Spain", "Sweden", "Switzerland"]

然后我们筛选出来这32支球队的过往的比赛成绩，代码如下

df_team_home = results[results['home_team'].isin(world_cup_russia)]
df_team_away = results[results['away_team'].isin(world_cup_russia)]
df_teams = pd.concat((df_team_home, df_team_away))
df_teams.drop_duplicates(inplace=True)
df_teams.tail()

output

我们着重看的是1930年之后的比赛记录，那么我们再进行一次筛选，代码如下

year = []
for row in df_teams["date"]:
    year.append(int(row[:4]))
df_teams["match_year"] = year
df_teams_1930 = df_teams[df_teams.match_year >= 1930]
df_teams_1930.head()

output

当然我们在最后进行预测的时候，会有一些无关紧要的特征掺杂其中，我们需要将其去掉，代码如下

df_teams_1930 = df_teams.drop(['date', 'home_score', 'away_score', 'tournament', 'city', 'country', 'goal_difference', 'match_year'], axis=1)
df_teams_1930.tail()

output

我们需要将winning_team这一列的标签做一次转换，将赢得比赛的标签改为2，输掉比赛的标签改为0，而平局的标签改为1，代码如下

df_teams_1930 = df_teams_1930.reset_index(drop=True)
df_teams_1930.loc[df_teams_1930.winning_team == df_teams_1930.home_team,'winning_team']=2
df_teams_1930.loc[df_teams_1930.winning_team == 'Draw', 'winning_team']=1
df_teams_1930.loc[df_teams_1930.winning_team == df_teams_1930.away_team, 'winning_team']=0
df_teams_1930.tail()

output

紧接着，我们需要对这些离散类型的变量进行独热编码，用到的是pandas模块当中的get_dummies()方法，代码如下

# convert home team and away team from categorical variables to continous inputs 
# Get dummy variables
final = pd.get_dummies(df_teams_1930, prefix=['home_team', 'away_team'], columns=['home_team', 'away_team'])
final.head()

output

划分出训练集和测试集，调用的是train_test_split()方法，代码如下

# Separate X and y sets
X = final.drop(['winning_team'], axis=1)
y = final["winning_team"]
y = y.astype('int')

# Separate train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.30, random_state=42)

逻辑回归算法

那小编这里调用的是非常简单的逻辑回归的算法，读者朋友后续也可以尝试其他的分类算法进一步的完善一下整个预测的流程与结果，代码如下

logreg = LogisticRegression()
logreg.fit(X_train, y_train)
score = logreg.score(X_train, y_train)
score2 = logreg.score(X_test, y_test)

print("Training set accuracy: ", '%.3f'%(score))
print("Test set accuracy: ", '%.3f'%(score2))

预测结果

那么最后便是将我们训练出来的模型去做一个预测了，我们先前的数据集当中有主队和客队之分，但是在世界杯的赛场上没有，这里我们就依据世界排名的先后顺序来划分一下，因此需要导入世界排名的数据集

# 导入新的数据集，各球队的世界排名
ranking = pd.read_csv('datasets/fifa_rankings.csv') 
# 2018年俄罗斯世界杯的对阵情况
fixtures = pd.read_csv('datasets/fixtures.csv')

pred_set = []

在数据集当中插入主队和客队排名的字段，代码如下

# 插入两个新的字段，主队和客队排名的字段
fixtures.insert(1, 'first_position', fixtures['Home Team'].map(ranking.set_index('Team')['Position']))
fixtures.insert(2, 'second_position', fixtures['Away Team'].map(ranking.set_index('Team')['Position']))

# 我们筛选出来在小组赛中的对阵情况
fixtures = fixtures.iloc[:48, :]
fixtures.head()

output

根据排名的高低来重新修正参赛球队是作为主队还是客队，代码如下

# Loop to add teams to new prediction dataset based on the ranking position of each team
for index, row in fixtures.iterrows():
    if row['first_position'] < row['second_position']:
        pred_set.append({'home_team': row['Home Team'], 'away_team': row['Away Team'], 'winning_team': None})
    else:
        pred_set.append({'home_team': row['Away Team'], 'away_team': row['Home Team'], 'winning_team': None})
        
pred_set = pd.DataFrame(pred_set)
backup_pred_set = pred_set

pred_set.head()

output

还是和之前一样的，我们需要对这些离散类型的变量进行编码，这里就不做演示了，我们调用训练好的模型并且进行比赛结果的预测，代码如下

# 小组赛对决的预测 
predictions = logreg.predict(pred_set)
for i in range(fixtures.shape[0]):
    print(backup_pred_set.iloc[i, 1] + " and " + backup_pred_set.iloc[i, 0])
    if predictions[i] == 2:
        print("Winner: " + backup_pred_set.iloc[i, 1])
    elif predictions[i] == 1:
        print("Draw")
    elif predictions[i] == 0:
        print("Winner: " + backup_pred_set.iloc[i, 0])
    print('Probability of ' + backup_pred_set.iloc[i, 1] + ' winning: ', '%.3f'%(logreg.predict_proba(pred_set)[i][2]))
    print('Probability of Draw: ', '%.3f'%(logreg.predict_proba(pred_set)[i][1]))
    print('Probability of ' + backup_pred_set.iloc[i, 0] + ' winning: ', '%.3f'%(logreg.predict_proba(pred_set)[i][0]))
    print("")

output

上述预测的结果针对的是2018年俄罗斯世界杯小组赛的对阵情况，那么2022年卡塔尔世界杯小组赛的预测，我们只需要将fixture数据集更新一下即可

fixtures = pd.read_csv("datasets/fifa-world-cup-2022.csv")
fixtures.head()

output

最后预测出来的结果如下所示

到此这篇关于基于Python预测一下世界杯最后赢家的文章就介绍到这了,更多相关Python预测世界杯赢家内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

如何使用python3获取当前路径及os.path.dirname的使用
这篇文章主要介绍了如何使用python3获取当前路径及os.path.dirname的使用,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-12-12
Django 接收Post请求数据,并保存到数据库的实现方法
今天小编就为大家分享一篇Django 接收Post请求数据,并保存到数据库的实现方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-07-07
Python中np.random.randint()参数详解及用法实例
numpy.random.randint()函数不仅可以生成一维随机数组,也可以生成多维度的随机数组,下面这篇文章主要给大家介绍了关于Python中np.random.randint()参数详解及用法的相关资料,需要的朋友可以参考下
2022-09-09
解决Python找不到ssl模块问题 No module named _ssl的方法
这篇文章主要介绍了解决Python找不到ssl模块问题 No module named _ssl的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2019-04-04
python实现ID3决策树算法
这篇文章主要为大家详细介绍了python实现ID3决策树算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2017-12-12
pytorch如何定义新的自动求导函数
这篇文章主要介绍了pytorch如何定义新的自动求导函数问题，具有很好的参考价值，希望对大家有所帮助。以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
2022-12-12
python pandas创建多层索引MultiIndex的6种方式
这篇文章主要为大家介绍了python pandas创建多层索引MultiIndex的6种方式，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-07-07
Django rest framework如何自定义用户表
Django 默认的用户表很多时候这些基本字段不够用，本文介绍在 DRF上使用自定义用户表进行接口访问控制的功能设计。感兴趣的可以了解一下
2021-06-06
简单了解python PEP的一些知识
这篇文章主要介绍了简单了解python PEP的一些知识,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2019-07-07
详解PyQt5中Thread多线程的使用
QThread是Qt线程类中最核心的底层类，这篇文章主要为大家介绍了PyQt5中Thread多线程的具体使用，感兴趣的小伙伴可以跟随小编一起学习一下
2023-08-08