又開始做實(shí)例了~在本次數(shù)據(jù)集中，包含了2017年所有活躍的足球運(yùn)動(dòng)員的個(gè)人數(shù)據(jù)，包括身高體重等基本數(shù)據(jù)，以及力量、速度、技巧等多個(gè)指標(biāo)。C羅、梅西、內(nèi)馬爾，到底誰比較厲害呢？答案我們可以從數(shù)據(jù)中獲得。（有意思~）

數(shù)據(jù)來源：

本次數(shù)據(jù)集的來源是kesci，提供者是Ustinian，想自己動(dòng)手試試的同學(xué)可以去了解一下~

下面開始我們的實(shí)例學(xué)習(xí)之路~

一、了解數(shù)據(jù)集

下面是和鯨社區(qū)中，對數(shù)據(jù)集的描述，主要包括了：數(shù)據(jù)集的主要內(nèi)容、以及數(shù)據(jù)內(nèi)的各個(gè)標(biāo)簽的中文注釋。

（1）數(shù)據(jù)內(nèi)容：

2017年所有活躍的足球運(yùn)動(dòng)員。

（2）數(shù)據(jù)說明（標(biāo)簽名）：

Name 姓名

Nationality 國籍

National_Position 國家隊(duì)位置

National_Kit 國家隊(duì)號(hào)碼

Club 所在俱樂部

Club_Position 所在俱樂部位置

Club_Kit 俱樂部號(hào)碼

Club_Joining 加入俱樂部時(shí)間

Contract_Expiry 合同到期時(shí)間

Rating 評(píng)分

Height 身高

Weight 體重

Preffered_Foot 擅長左（右）腳

Birth_Date 出生日期

Age 年齡

Preffered_Position 擅長位置

Work_Rate 工作效率

Weak_foot 非慣用腳使用頻率

Skill_Moves 技術(shù)等級(jí)

Ball_Control 控球技術(shù)

Dribbling 盤球（帶球）能力

Marking 盯人能力

Sliding_Tackle 鏟球

Standing_Tackle 逼搶能力

Aggression 攻擊能力

Reactions 反擊

Attacking_Position 攻擊性跑位

Interceptions 搶斷

Vision 視野

Composure 鎮(zhèn)靜

Crossing 下底傳中

Short_Pass 短傳

Long_Pass 長傳

Acceleration 加速度

Speed 速度

Stamina 體力

Strength 強(qiáng)壯

Balance 平衡

Agility 敏捷度

Jumping 跳躍

Heading 投球

Shot_Power 射門力量

Finishing 射門

Long_Shots 遠(yuǎn)射

Curve 弧線

Freekick_Accuracy 任意球精準(zhǔn)度

Penalties 點(diǎn)球

Volleys 凌空能力

GK_Positioning 門將位置感

GK_Diving 撲救能力

GK_Kicking 門將踢球能力

GK_Handling 撲球脫手幾率

GK_Reflexes 門將反應(yīng)度

（3）導(dǎo)入數(shù)據(jù)：

（4）查看數(shù)據(jù)基本信息：

查看數(shù)據(jù)缺失情況：

從運(yùn)行結(jié)果可以看到，出現(xiàn)數(shù)據(jù)缺失的特征總共有六列，而主要缺失的有兩列，分別是：National_Position 國家隊(duì)位置、National_Kit 國家隊(duì)號(hào)碼，出現(xiàn)缺失的原因，有可能是部分球員并沒有在國家隊(duì)里服役，因此也就沒有相應(yīng)的號(hào)碼和位置。同時(shí)，由于‘Club 所在俱樂部’、‘Club_Position 所在俱樂部位置’、 ‘Club_Kit 俱樂部號(hào)碼’、 ‘Club_Joining 加入俱樂部時(shí)間 ’、‘Contract_Expiry 合同到期時(shí)間’這5項(xiàng)指標(biāo)也不在我們的研究范圍之內(nèi)。

因此，針對以上缺失值，我們不做處理。（對我們接下去的數(shù)據(jù)分析和可視化沒有影響的~）

二、進(jìn)行簡單數(shù)據(jù)分析

（1）查看球員的身高、體重的具體信息

首先我們使用head( )查看一下：

可以看到，我們的數(shù)據(jù)是帶有‘kg’、‘cm’等單位的，因此我們先對這些單位進(jìn)行移除，同時(shí)修改數(shù)據(jù)類型，以方便后面的操作。

（忘記應(yīng)該怎么做的同學(xué)可以看這里）

我們可以查看修改后的數(shù)據(jù)：

使用agg（）查看所有球員身高、體重的均值和最值：

可以看到，數(shù)據(jù)集中的球員平均身高達(dá)到了181cm、平均體重75kg。

上述操作的主要目的是想讓大家暖一下手，下面才是我們對這個(gè)球員數(shù)據(jù)集分析的真正開始。

作為非專業(yè)球員（嘻嘻，球迷or足球愛好者），我們當(dāng)然還是更想看看能不能從數(shù)據(jù)反映出球員的個(gè)人實(shí)力。所以下面我們就要進(jìn)行深入分析。

三、通過球員數(shù)據(jù)，鑒定球員能力

在我們的球員數(shù)據(jù)集中，總共有這么兩項(xiàng)數(shù)據(jù)：Rating 評(píng)分、Skill_Moves 技術(shù)等級(jí)，這兩項(xiàng)數(shù)據(jù)就是我們的主要研究目標(biāo)。我們將圍繞這兩項(xiàng)數(shù)據(jù)，建立研究需求。

研究需求：

分值（Rating）高低的評(píng)分依據(jù)是什么？如何構(gòu)建評(píng)分依據(jù)？

技術(shù)等級(jí)（Skill_Moves）的評(píng)價(jià)標(biāo)準(zhǔn)是什么？如何構(gòu)建評(píng)價(jià)標(biāo)準(zhǔn)？

對研究需求的初步解讀：

首先我們還是先對我們的目標(biāo)列加深認(rèn)知：

（1）分值（Rating）：

可以看到，分值（Rating）這一目標(biāo)值是連續(xù)型的，總共有49個(gè)不同值。

（2）技術(shù)等級(jí)（Skill_Moves）：

可以看到，技術(shù)等級(jí)（Skill_Moves）更像是分類型的，總共有1-5五個(gè)等級(jí)。

進(jìn)行球員分析前的須知：

總所周知，足球場上總共有11個(gè)球員，大致可以分為兩類，分別是：1個(gè)守門員，及非守門員（前鋒、中場、后衛(wèi)），守門員的能力與非守門員的能力肯定是有區(qū)別的，因此我們在通過球員數(shù)據(jù)鑒定球員能力時(shí)，不能按照同一套標(biāo)準(zhǔn)。

對于守門員，我們更多的考究他的護(hù)框能力，與其他非守門員球員是截然不同的。

我們可以通過查看數(shù)據(jù)，進(jìn)一步觀察守門員和非守門員能力的差異：

我們提取出7列特征：

Name 姓名Preffered_Position 擅長位置Speed 速度Finishing 射門Freekick_Accuracy 任意球精準(zhǔn)度Shot_Power 射門力量GK_Diving 撲救能力GK_Reflexes 門將反應(yīng)度

接著，我們查看前五名球員的這些數(shù)值差距：

在上面五位球員中，前四位是非守門員，第五位是守門員。

從數(shù)值上，可以明顯看出區(qū)別。（忘記各個(gè)特征中文名的同學(xué)可以去上面看哦，我就不改數(shù)據(jù)表了）

下面開始正式分析球員能力值的評(píng)分標(biāo)準(zhǔn)~

1、守門員的評(píng)分標(biāo)準(zhǔn)

在數(shù)據(jù)集中，GK是表示守門員（門將）的意思，同時(shí)，主要有5個(gè)特征用于衡量守門員的能力，分別是：

GK_Positioning 門將位置感GK_Diving 撲救能力GK_Kicking 門將踢球能力GK_Handling 撲球脫手幾率GK_Reflexes 門將反應(yīng)度

因此，我們可以將這幾列特征提取出來，連同球員得分及技能等級(jí)，繪制成一個(gè)新數(shù)據(jù)表——門將數(shù)據(jù)表。

查看表格情況：

查看一下技能等級(jí)（Skill_Moves）的分級(jí)情況：

可以看到，在所有守門員中，技術(shù)等級(jí)只有1和2兩個(gè)等級(jí)。

我們進(jìn)一步查看等級(jí)的個(gè)數(shù)：

可以看到，在技術(shù)等級(jí)為1的球員有2002個(gè)，等級(jí)為2的只有1個(gè)，差距太大，這里其實(shí)L考慮過做數(shù)據(jù)平衡化，但是效果不是很好。

綜合考慮后，決定在考量守門員的能力時(shí)，僅考慮分值（Rating）這一項(xiàng)數(shù)據(jù)，不考慮技術(shù)等級(jí)（Skill_Moves）。

（由于在數(shù)據(jù)表中，球員的單項(xiàng)特征的得分越高，證明這名球員的這項(xiàng)能力更突出，也就是說，這里的特征均屬于數(shù)值類型，而不是類別型特征。因此，在這里我們不需要進(jìn)行one-hot獨(dú)熱編碼。）

可以看到，特征列都是數(shù)值型的。

下面，我們將結(jié)合這五項(xiàng)特征，使用機(jī)器學(xué)習(xí)的方法技巧進(jìn)行分析。（這里總共分為幾個(gè)部分，由于篇幅原因，可能會(huì)將所有內(nèi)容分為幾篇文章。）

一、回歸樹

首先，我們使用決策樹中的DecisionTreeRegressor（回歸樹）進(jìn)行分析。

1、將數(shù)據(jù)集分割成訓(xùn)練集和測試集

導(dǎo)入做決策樹相應(yīng)需要的包：

首先，將原數(shù)據(jù)集按特征和目標(biāo)進(jìn)行分割：

然后，使用train_test_split將數(shù)據(jù)分成訓(xùn)練集和測試集。

注意~在這里我們指定了拆分系數(shù)為0.3，也是說將7/10的數(shù)據(jù)作為訓(xùn)練集，剩下3/10的數(shù)據(jù)作為測試集。

下面開始建模，并進(jìn)行數(shù)據(jù)訓(xùn)練：

查看一下在測試集上的準(zhǔn)確度（將經(jīng)過訓(xùn)練集訓(xùn)練后的模型，應(yīng)用到測試集里，并查看擬合的得分情況）

可以看到，擬合度是比較高的，也就是說這里我們可以借助回歸樹對球員評(píng)分進(jìn)行預(yù)測。

2、同時(shí)，我們也可以畫出決策樹.（但是如果考慮實(shí)際問題的話，這里其實(shí)并不建議這么做）

除此之外，我們也可以利用隨機(jī)森林回歸、線性回歸、邏輯回歸包括支持向量機(jī)等方法，進(jìn)行模型擬合及預(yù)測，當(dāng)然了，使用每種方法的步驟與注意點(diǎn)均有些許不同，這些我也將會(huì)在下次為大家說明。

以上便是<數(shù)據(jù)分析實(shí)例——足球運(yùn)動(dòng)員數(shù)據(jù)集（1）>的內(nèi)容，感謝大家的細(xì)心閱讀，同時(shí)歡迎感興趣的小伙伴一起討論、學(xué)習(xí)，想要了解更多內(nèi)容的可以看我的其他文章，同時(shí)可以持續(xù)關(guān)注我的動(dòng)態(tài)~