數據來源：Kaggle

工具：Jupyter Notebook

Python第三方庫：Pandas, Matplotlib, Seaborn和Scikit-Learn

FIFA19是一款風靡全球的足球遊戲，裡面囊括了全球超過18000名職業球員的數據指标，從而形成一個18000行x88列的數據庫，具體可以分為球員基礎數據（Basics）和能力數據指标（Performance）兩類指标。

筆者選取了以下指标對top1000的球員進行簡單的分析。但在進行數據分析之前，需要對數據進行清洗，包括空值的處理，字符串和數值型數據等。這裡用到的工具主要是Pandas裡面dropna， str.strip, replace等函數，在這裡不細講。

Part 1 基礎數據

基礎數據字段： 球員姓名，慣用腳，年齡，體重，身高。

我們先來看球員慣用腳的情況，從下圖可以看出，右腳球員要明顯高于左腳球員，具體比例約為4:1。在1000名球員中，接近800名為右腳，而左腳球員則約230-240左右。

數據的描述統計

我們可以看到足球運動員的平均年齡27歲左右，身高和體重數據均值并不高，體重身高的均值分别為170磅（77kg）以及5.97英尺（175cm）。這與一個普通的成年男性無異。。

那麼每個指标的均值是否能夠代表一般情況？我們再看下每個字段的概率分布情況，從三組數據的概率分布圖來看，基本呈現鐘型，即從中間向兩邊逐步遞減，且沒有出現左偏或右偏的情況，左右兩邊的分布相對均勻。

結論：一個足球運動員通常應該是：體重170磅（77kg）上下，5尺9寸高（175cm）。

那麼不同大洲/國家之間球員的特征是否會存在不同？筆者選取了四大洲的部分國家數據進行對比：

1）歐洲<西班牙， 比利時，德國，法國，英格蘭和意大利>， 即五大聯賽加上歐洲紅魔比利時

2）南美洲<阿根廷，巴西，智利，厄瓜多爾>，阿根廷，巴西為傳統的足球強國

3）亞洲<韓國，日本>，亞洲僅有的兩個國家有球員在top1000

4）非洲<埃及， 加納， 尼日利亞和喀麥隆>，非洲傳統足球強國

我們可以通過下面的圖表進行相對直觀的認識。

對比之下，歐洲球員身高體重的峰值要比其他大洲高些，分别是6尺5（1.96m）和250磅（100kg）。南美洲次之，非洲第三，而亞洲末位。從峰值來看，

1）歐洲：

身高：意大利>德國>西班牙>法國>英格蘭>比利時

體重：西班牙>法國>德國>意大利>英格蘭>比利時

2）南美洲：

身高：巴西>阿根廷>智利>厄瓜多爾

體重：智利>阿根廷>巴西>厄瓜多爾

3）亞洲：僅有日本、韓國兩個國家

4）非洲：

身高：埃及>尼日利亞>喀麥隆>加納

體重：尼日利亞>埃及>加納>喀麥隆

BMI

在分析完基礎數據的特征後，可以根據需要構建指标值進行分析。由于有身高和體重的數據，我們可以分析下球員BMI的情況。在選取的top1000名球員中，BMI維持在22-26的區間内，但偶爾會有零星的異常值，如超過26和低于22都屬于異常，但這取決于你選擇的阈值。

我們可以進一步分析國家之間球員的BMI值是否存在差異，可以看到極端值主要出現在阿根廷

BMI VS Preferred Foot

最後，筆者用K-Means方法嘗試将年齡，身高和體重三個指标分成3個cluster，結果顯示如下。

Part 2 能力指标

這部分涉及的主要是數值型的數據，因此，我們可以嘗試做PCA分析。

能力數據指标：過人，終結能力，頭球準度，帶球，靈活度，彈跳，視野，加速能力，射門力度，耐力，力量。

top 10 球員數據

數據的描述統計

左圖， 可以看到PC1，PC2包含了數據集中超過70%的差異性，分别是561.%和19.4%。而從右圖中，我們可以看到，将數據降維後，出現了明顯的兩個聚類。

最後，我們用Kmeans方法，設定cluster=6，結果如下：

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!