2018年世界杯德国竟然输给韩国？终于找到原因了！

程序员宝藏库：github.com/Jackpopc/CS…

大家好，我是Jackpop。

今天来跟大家聊一下足球。

首先表明，我并不是一个足球爱好者。

我很少关注世界杯、欧冠这些名气较大的足球比赛，更不会去留意国足相关的内容。

虽然对于足球比赛竞技本身并不感兴趣，但是作为一个数据科学领域的开发人员，对比赛背后的数据还是充满着浓厚的兴趣。

数据科学是一种从数据中挖掘和捕捉有价值信息的方法，数据科学正在影响着许多领域，这也包括足球。

足球包含大量的数据，从个人到团队方面都有涉及。有了这些数据，我们就能以一种更有意义的方式了解比赛。

另外，对于球队来说，数据可以创造出指导决策的信息。

因此，团队可以找到赢得比赛的策略。

在这篇文章中，我将带你了解如何使用Python分析足球赛事数据。

在这里，我们将分析2018年国际足联世界杯德国和韩国的比赛。

不用多说，让我们开始吧!

数据获取

对于数据，我们将使用StatsBomb的数据。

StatsBomb是一家专门在足球领域工作的分析公司，他们提供了大量的足球数据，尤其是事件数据。

对于那些想学习足球分析的人来说，得益于StatsBomb已经公布了公开数据，能够节省很多获取数据的时间。

这些数据由已经结束的足球联赛的比赛组成，数据链接：github.com/statsbomb/o…

注意：在获取数据时，请耐心等待，因为数据量真的很大。

数据探索

在你下载数据后，下一步是探索它。

数据的文件夹结构如下所示：

|   LICENSE.pdf
|   README.md
|   
+---data
|   |   competitions.json
|   |   
|   +---events
|   |       15946.json
|   |       15956.json
|   |       15973.json
|   |       15978.json
|   |       15986.json
|   |       
|   +---lineups
|   |       15946.json
|   |       15956.json
|   |       15973.json
|   |       15978.json
|   |       15986.json
|   |       
|   \---matches
|       +---11
|       |       1.json
|       |       2.json
|       |       
|       +---16
|       |       1.json
|       |       2.json
|       |       
|               
+---doc
|       Open Data Competitions v2.0.0.pdf
|       Open Data Events v4.0.0.pdf
|       Open Data Lineups v2.0.0.pdf
|       Open Data Matches v3.0.0.pdf
|       StatsBomb Open Data Specification v1.1.pdf
|       
\---img
        statsbomb-logo.jpg
复制代码

还有一些文件夹，如事件（events）、阵容（lineups）和比赛（matches）：

• 事件文件夹包含以JSON格式回顾比赛的文件
• 阵容文件夹包含每场比赛中各队的阵容
• 比赛文件夹包含每场比赛的比赛。它也被分为几个比赛的不同季节

那么，在数据里面有很多文件的情况下，我们怎样才能检索到一个特定的比赛呢？正如我之前提到的，我们将分析德国和韩国的世界杯比赛。

在下一步，我将告诉你如何检索数据。

数据检索

事件数据可以通过以下步骤来检索。

首先，我们打开competitions.json文件。这个文件是访问StatsBomb数据第一步要做的事情。

这样做的原因是，我们需要比赛和赛季的ID，以便从中获取比赛的列表。

为了处理JSON文件，pandas库提供了通过使用read_json函数将JSON文件读成DataFrame的函数：

import pandas as pd

competition = pd.read_json('open-data/data/competitions.json')
competition.head()
复制代码

现在，你可以看到包含StatsBomb提供的所有比赛信息的行。

总之，这些数据中包括的比赛有西甲（西班牙联赛）、欧洲杯、国际足联世界杯（男子和女子）以及欧洲冠军联赛。

现在，我们想取有国际足联世界杯信息的那一行。

让我们用下面这行代码来过滤数据集。

# Get the FIFA World Cup
competition[competition.competition_name == 'FIFA World Cup']
复制代码

从上面可以看出，国际足联世界杯的比赛和赛季的ID分别是43和3。

现在让我们来访问包含ID的文件夹。

对于每个比赛，文件夹都是以比赛ID命名的，而每个文件夹都包含JSON文件。

每个文件都是以赛季ID为名称的附件。

现在让我们通过使用这几行代码来访问该文件：

import json

with open('open-data/data/matches/43/3.json') as f:
    data = json.load(f)

data
复制代码

哇，你会发现，这是个很大的数据，而且读起来很混乱。

让我们首先通过使用循环来整理它。

在每一次迭代中，我们都要取得比赛的ID、球队的名字和分数：

with open('open-data/data/matches/43/3.json') as f:
    data = json.load(f)
    for i in data:
        print('ID:', i['match_id'], i['home_team']['home_team_name'], i['home_score'], '-', i['away_score'], i['away_team']['away_team_name'])
复制代码

现在，它比以前更整洁了。

让我们来看看德国对韩国的比赛。

最后的比分是2-0，韩国是赢家（你可能不知道，德国和韩国之间的比赛是惊人的）。

这个结果也使得德国人在小组赛阶段就被淘汰出局，这是自1938年以来，德国第一次在第一轮比赛中被淘汰。

回到主题，德国对阵韩国的比赛ID是7567。

通过如下几行代码来访问这个文件：

with open('open-data/data/events/7567.json') as f:
    korger = json.load(f)
    
korger
复制代码

这比之前的数据要多得多。

为了便于我们分析，pandas库提供了json_normalize函数，这个函数之所以如此强大，是因为它可以处理嵌套的JSON。

现在我们来写这几行代码：

# from pandas.io.json import json_normalize

df = pd.json_normalize(korger, sep='_').assign(match_id="7567")
df.head()
复制代码

比以前更有可读性，接下来让我们从数据中创建一些可视化的东西。

数据可视化

我们可以创建的可视化之一是射门图。

在这张图上，我们想看看每支球队有多少次射门。此外，还想知道进球的几率有多大，我们称这种机会为预期进球。

为了创建可视化，我们需要首先获取事件数据。然后，根据事件名称来过滤数据。

在这种情况下，我们需要射门的相关数据：

shots = df[df.type_name == 'Shot'].set_index('id')
shots.head()
复制代码

在我们得到数据后，现在让我们来写这些代码，对数据进行可视化：

import numpy as np
import matplotlib.pyplot as plt
from FCPython import createPitch

pitch_width = 120
pitch_height = 80

fig, ax = createPitch(pitch_width, pitch_height, 'yards', 'gray')

home_team = 'South Korea'
away_team = 'Germany'

for i, shot in shots.iterrows():
    x = shot['location'][0]
    y = shot['location'][1]
    
    goal = shot['shot_outcome_name']=='Goal'
    team_name = shot['team_name']
    
    circle_size = 2
    circle_size = np.sqrt(shot['shot_statsbomb_xg'] * 15)
    
    if team_name == home_team:
        if goal:
            shot_circle = plt.Circle((x, pitch_height-y), circle_size, color='red')
            plt.text((x+1), pitch_height-y+1, shot['player_name'])
        else:
            shot_circle = plt.Circle((x, pitch_height-y), circle_size, color='red')
            shot_circle.set_alpha(.2)
    elif team_name == away_team:
        if goal:
            shot_circle = plt.Circle((pitch_width-x, y), circle_size, color='blue')
            plt.text((pitch_width-x+1), y+1, shot['player_name'])
        else:
            shot_circle = plt.Circle((pitch_width-x, y), circle_size, color='blue')
            shot_circle.set_alpha(.2)
    
    ax.add_patch(shot_circle)
    
plt.text(5, 75, away_team + ' shots')
plt.text(80, 75, home_team + ' shots')

plt.title('Germany vs South Korea at 2018 FIFA World Cup')

fig.set_size_inches(10, 7)
fig.savefig('korger_shots.png', dpi=300) 

plt.show()
复制代码

让我先解释一下代码。

首先，创建一个足球场。然后，还要创建一个点的集合，对应于已经进行的射击。

为了创建这个球场，我们可以使用FCPython中的createPitch函数。

关于FCPython，你可以在这里查看[GitHub资源库](SoccermaticsForPython/FCPython.py at master · Friends-of-Tracking-Data-FoTD/SoccermaticsForPython · GitHub)。

为了生成圆点，我们需要遍历dataframe中的数据行。对于每一次迭代，需要做如下两件事情：

• 把坐标和预期目标（xG）值一起拿出来。
• 根据前面的参数生成一个圆。xG值将被用作圆圈大小的值，我们还为不是进球的射门设置透明度。

如果你的代码写得正确，它应该产生一个像下面这样的效果图：

现在我们可以从数据中得到启示。

正如我们从上面看到的，我们知道德国有很多的机会，但他们无法从中获得任何进球。

另外，他们有几次射门的xG值很大。xG值越大，进球的机会就越大。但不幸的是，德国人无法将其转换为进球。

在韩国方面，我们可以看到，他们没有很多机会。他们也不像德国人那样每次射门都有巨大的预期进球。

但是，在比赛结束时，德国队犯了一些错误，导致了一个尴尬的结果。最后，孙兴民和金英权成了韩国队的英雄。

结语

这是你可以创建的可视化之一，我们可以做的数据可视化有很多。

除此之外，我们可以做一个传球热图，或者进球过程中的控球链，或者每个球员的传球图。

正如我之前所说，足球赛事数据有很多值得挖掘的信息。

因此，这有助于团队和外面的足球爱好者更加了解这个比赛。

现在你已经学会了如何用Python分析StatsBomb的足球事件数据。

我希望它能激励你开始使用Python分析体育数据，特别是足球。

---

大家好，我是Jackpop！我花费了半个月的时间把这几年来收集的各种技术干货整理到一起，其中内容包括但不限于Python、机器学习、深度学习、计算机视觉、推荐系统、Linux、工程化、Java，内容多达5T+，获取方式：pan.baidu.com/s/1eks7CUyj…