情陷天龙,中秋高速免费吗,内蒙古民族大学校歌
该数据集包含的数据列的信息如下：
结果如下：
获取所有世界杯比赛的数据（含预选赛）
世界杯战绩分析 （含预选赛）
从前文来看， 在世界杯历史上，实力最强的 5 支球队是德国、阿根廷、巴西、法国、西班牙。
接下来，我们将比赛的范围扩大至包含世界杯预选赛，通过 5 支球队之间的比赛情况来进行分析。
结果如下：
下面，着重来分析下这 5 支球队，在世界杯上，两两对阵时的胜负情况。
首先自定义两个函数，分别获得两支球队获胜场数情况以及自定义绘图函数，代码如下：
结果如下：
统计现象 1：
在世界杯上的战绩，统计获胜场数如下（不含平局）：
巴西 1：1 德国，巴西 6：3 阿根廷，巴西 1：2 法国，巴西 3：1 西班牙
巴西队，输赢不好判断……
德国 vs 其他 3 支球队
代码跟 2.1 部分是类似的，结果如下：
阿根廷 2：0 法国，阿根廷 1：0 西班牙
但阿根廷不敌巴西和德国
西班牙 vs 法国
2014 年以来，所有比赛的战绩对比
首先，时间选择 2014 年之后（含 2014 年），距离现在的时间比较近，相对来说，球队人员的组成变化小一些。
当然，这里的时间选择，对于结果是有影响的。 大家可以探讨下这个因素带来的影响。
2014 年以来所有球队所有比赛胜负情况概览：
从上图来看，2014 年以来，墨西哥，法国，德国、葡萄牙、巴西、比利时、韩国和西班牙表现相对较好。
结果是不是跟想象中的有些差异？6 月 17 日的小组赛，德国不敌墨西哥，看来也不是全无理由的。
但是，本次我们主要还是要考虑 32 强之间的对阵，这样更能反映现实情况。
2014 年以来 32 强相互之间在所有比赛中的概览情况：
从上图来看，自 2014 年以来，巴西、法国、葡萄牙、阿根廷、墨西哥、比利时、德国、西班牙、英国为前 9 强。
下面我们来分析 Top 9 之间的胜负情况：
剔除友谊赛后，Top 9 的情况如下：
在概览中可以看出，是否剔除友谊赛（Friendly），对排名还是有影响的。
另外，剔除友谊赛后，总的比赛场数更少了（只有 13 场），9 强之间有些队伍没有比赛，或者没有赢过，这个数据用来分析的作用更有限。
当然，在分析中 是否要剔除友谊赛，应该是值得商榷的。
九强两两对阵的胜负情况概览
这里，我们后续分析采用包含友谊赛的数据，来分别分析9强之间两两对阵的情况，看看哪支球队的胜率更高些。
首先自定义几个函数，方便进行分析。自定义获取球队某年至今获胜比例函数：
上述图中，x 轴代表的含义是从某年至今（数据集含有部分 2018 年的比赛数据），两支球队的胜负情况。
例如 2012 对应的是德国跟巴西从 2012 年至今，两支球队的胜负情况。所以，时间越早，两支球队的比赛数量越多，数据曲线的波动可能要小些。
用上述函数可以快速的分析两支球队的历史胜负情况，当然，有些球队之间，相遇很少，或者近些年没有遭遇过，那分析结果可能就不好用了。
当然，数据分析的只是历史情况，足球是圆的，场上瞬息万变。比如，阿根廷现在岌岌可危，梅西内心慌得一比……
预测
最后，来放上我的神预测。黑马年年有，今年特别多，预测不准，坐等 pia pia 打脸。
特别说明： 以上数据分析，纯属个人学习用，预测结果与实际情况可能偏差很大，不能用于其他用途。玩玩就行哦！
进群：125240963 即可获取数十套PDF。如果需要源码也请进群！
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
Python爬虫:Request Payload和Form Data的简单区别说明
浅谈Python中threading join和setDaemon用法及区别说明
Python3-异步进程回调函数(callback())介绍
python继承threading.Thread实现有返回值的子类实例
Python中使用threading.Event协调线程的运行详解
我要评论
网友评论