Python实战03：关于运动员伤病预测数据的探索

方法一：数透

age_df = pd.pivot_table(df,values=‘Recovery_Time’,index=‘Player_Age’,columns=‘Likelihood_of_Injury’,aggfunc=‘count’)

# 使用字典map修改列名

injury_dict={0:‘NoLikelihood_Num’,1:‘Likelihood_Num’}

age_df.columns = age_df.columns.map(injury_dict)

# 计算受伤与否的概率

age_df[‘NoLikelihood_Per’] = round(age_df[‘NoLikelihood_Num’]/(age_df[‘NoLikelihood_Num’] + age_df[‘Likelihood_Num’])*100,2)

age_df[‘Likelihood_Per’] = round(age_df[‘Likelihood_Num’]/(age_df[‘NoLikelihood_Num’] + age_df[‘Likelihood_Num’])*100,2)

方法二：groupby后apply

age_per()函数是分组后计算的，即每一组数据执行一次

def age_per(x):
total = x.shape[0]
likelihood_num = (x[‘Likelihood_of_Injury’]==1).sum()
nolikelihood_num = (x[‘Likelihood_of_Injury’] == 0).sum()
likelihood_per =round(likelihood_num/total100,2)
nolikelihood_per = round(nolikelihood_num/total100,2)
# 返回dataframe类型的数据便可以跟原数据合并起来
return pd.Series({‘Likelihood_Per’:likelihood_per,‘NoLikelihood_Per’:nolikelihood_per})

age_df = age_df.groupby(by=[‘Age_Q’],as_index=False).apply(age_per)

display(age_df)

![](https://img-blog.csdnimg.cn/direct/13ce07174c9446e9b1c99c1c5b4291a1.png)

sns.set_palette(my_palette)
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.figure(figsize=(8,5)) # 创建绘图大小

ax创建一个新的坐标轴对象，并把绘图加入里面；ax=ax意思是把另一个新绘图加入原有的坐标轴对象里，即在同一张图上绘制多个图表。

ax = sns.barplot(x=‘Age_Q’,y=‘Likelihood_Per’,data=age_df,label=‘Likelihood’,width=0.2)
sns.barplot(x=‘Age_Q’,y=‘NoLikelihood_Per’,data=age_df,label=‘NoLikelihood’,ax=ax,width=0.06)

ax.set_title(‘各个年龄组可能受伤与否的运动员的占比’,pad=10,fontsize=14)
ax.set_xlabel(‘Age_Q’)
ax.set_ylabel(‘per(%)’)

for index,row in age_df.iterrows():
# ax.text(x,y,value,ha=None,va=None)
# row.name返回每一行的索引名即index（0~21）
ax.text(row.name,row[‘Likelihood_Per’],str(row[‘Likelihood_Per’])+‘%’,ha=‘center’,va=‘bottom’,fontsize=10)
ax.text(row.name,row[‘NoLikelihood_Per’],str(row[‘NoLikelihood_Per’])+‘%’,ha=‘center’,va=‘bottom’,fontsize=10)

plt.legend(loc=4)
plt.show()

![](https://img-blog.csdnimg.cn/direct/a348f9f5507c45b2b0a14124abed4e5b.png)


年龄方面：成年早期在运动领域中被认为是黄金时期，在这段时间训练强度也许有所增强，导致可能受伤的概率更大一些。

weight_df = df.copy() # 这样就不会共享内存

方法一：np.quantile（可能没有实际意义）

weight_bins = np.quantile(weight_df[‘Player_Weight’],np.linspace(0,1,5))

weight_df[‘Weight_Q’] = pd.cut(weight_df[‘Player_Weight’],bins=weight_bins,labels=[‘40-68kg’,‘68-75kg’,‘75-81kg’,‘81-105kg’])

方法二：pandas 计算每个四分位数的边界

weight_max = weight_df[‘Player_Weight’].max()

weight_min = weight_df[‘Player_Weight’].min()

weight_q2 = weight_df[‘Player_Weight’].quantile(0.25)

weight_q3 = weight_df[‘Player_Weight’].quantile(0.5)

weight_q4 = weight_df[‘Player_Weight’].quantile(0.75)

weight_bins = [weight_min,weight_q2,weight_q3,weight_q4,weight_max]

weight_df[‘Weight_Q’] = pd.cut(weight_df[‘Player_Weight’],bins=weight_bins,labels=[‘40-68kg’,‘68-75kg’,‘75-81kg’,‘81-105kg’])

方法三：自定义划分区间

weight_df[‘Weight_Q’] = pd.cut(weight_df[‘Player_Weight’],bins=[0,50,75,90,110],labels=[‘<50kg’,‘50-75kg’,‘75-90kg’,‘>90kg’])

def weight_per(x):
total = x.shape[0]
likelihood_num = (x[‘Likelihood_of_Injury’]==1).sum()
nolikelihood_num = (x[‘Likelihood_of_Injury’] == 0).sum()
likelihood_per =round(likelihood_num/total100,2)
nolikelihood_per = round(nolikelihood_num/total100,2)
return pd.Series({‘Likelihood_Per’:likelihood_per,‘NoLikelihood_Per’:nolikelihood_per})

weight_df = weight_df.groupby(by=‘Weight_Q’,as_index=False).apply(weight_per)

display(weight_df)

![](https://img-blog.csdnimg.cn/direct/4d3f37ff92ed477e9371166d3092ede2.png)

sns.set_palette(my_palette)
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.figure(figsize=(8,5))

ax = sns.barplot(x=‘Weight_Q’,y=‘Likelihood_Per’,data=weight_df,width=0.2,label=‘Likelihood_Per’)
sns.barplot(x=‘Weight_Q’,y=‘NoLikelihood_Per’,data=weight_df,ax=ax,width=0.06,label=‘NoLikelihood_Per’)

for index,row in weight_df.iterrows():
plt.text(row.name,row[‘Likelihood_Per’],‘绿：’+str(row[‘Likelihood_Per’])+‘%’,ha=‘center’,va=‘bottom’)
plt.text(row.name,row[‘NoLikelihood_Per’],‘红：’+str(row[‘NoLikelihood_Per’])+‘%’,ha=‘center’,va=‘top’)

plt.title(‘各个体重组可能受伤与否的运动员的占比’,pad=10,fontsize=14)
plt.legend(loc=4)

plt.show()

![](https://img-blog.csdnimg.cn/direct/17a63039adc4473e80e972eebcab844a.png)



体重方面：小于50kg的可能受伤概率达到83.3%，说明身体瘦弱的运动员相对更容易受伤。

height_df = df.copy()

采用四分位数法进行划分的区间可能不具实际意义

height_bins = np.quantile(height_df[‘Player_Height’],np.linspace(0,1,5))

height_df[‘Height_Q’] = pd.cut(height_df[‘Player_Height’],bins=height_bins,labels=[‘145-173cm’,‘173-180cm’,‘180-187cm’,‘187-207cm’])

height_df[‘Height_Q’] = pd.cut(height_df[‘Player_Height’],bins=[0,165,175,185,210],labels=[‘<165cm’,‘165-175cm’,‘175-185cm’,‘>185cm’])

def height_per(x):
total=x.shape[0]
likelihood_num = (x[‘Likelihood_of_Injury’]==1).sum()
nolikelihood_num = (x[‘Likelihood_of_Injury’]==0).sum()
likelihood_per = round(likelihood_num/total100,2)
nolikelihood_per = round(nolikelihood_num/total100,2)
return pd.Series({‘Likelihood_Per’:likelihood_per,‘NoLikelihood_Per’:nolikelihood_per})

height_df = height_df.groupby(by=‘Height_Q’,as_index=False).apply(height_per)

display(height_df)

---

sns.set_palette(my_palette)
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.figure(figsize=(8,5))

ax = sns.barplot(x=‘Height_Q’,y=‘Likelihood_Per’,data=height_df,width=0.2,label=‘Likelihood_Per’)
sns.barplot(x=‘Height_Q’,y=‘NoLikelihood_Per’,data=height_df,ax=ax,width=0.06,label=‘NoLikelihood_Per’)

for index,row in height_df.iterrows():
plt.text(row.name,row[‘Likelihood_Per’],str(row[‘Likelihood_Per’])+‘%’,ha=‘center’,va=‘bottom’,fontsize=10)
plt.text(row.name,row[‘NoLikelihood_Per’],str(row[‘NoLikelihood_Per’])+‘%’,ha=‘center’,va=‘bottom’,fontsize=10)

plt.title(‘各个身高组可能受伤与否的运动员的占比’,pad=10,fontsize=14)
plt.legend(loc=4)
plt.show()

![](https://img-blog.csdnimg.cn/direct/d6b054ed5cbf4855bcd459e5e94adca7.png)


身高方面：175-185cm的运动员相对其它身高更容易受伤。我也不知道为啥....


## 


## 


## step2.特征相关性分析


本项目采用皮尔逊相关系数算法

皮尔逊相关系数

correlation_matrix=df.corr(method=‘pearson’)
display(correlation_matrix)

![](https://img-blog.csdnimg.cn/direct/4d166811d06d4d119f0473051b026285.png)

plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.figure(figsize=(6,5))

annot=True显示数据标签

sns.heatmap(correlation_matrix,annot=True,cmap=‘coolwarm’,linewidth=0.5)
plt.title(‘运动员受伤可能性和其他属性的相关性热图’,pad=20)
plt.show()

![](https://img-blog.csdnimg.cn/direct/12a2a5190bb9462596f43cbc78835744.png)


小结：从热图上来看，受伤可能性和训练强度的相关系数是0.089，说明有一些相关关系，但不是很强。


## 


## step3.特征重要性分析

准备数据集

x是包含身高、体重、年龄等的特征数据，y是可能受伤与否数据的目标变量

x,y = df.iloc[:,:-1],df[‘Likelihood_of_Injury’]

将数据集划分为训练数据集和测试数据集

test_size=0.2是值测试数据集20%，训练数据集80%；random_state=42值

x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2,random_state=42)

选择模型并训练

model = RandomForestClassifier()
model.fit(x_train,y_train)

使用训练好的模型预测

pre = model.predict(x_test)

计算并输出模型在测试集上的预测准确率（跟y_test对比）

print(“Model prediction accuracy: {}%\n”.format(round(accuracy_score(y_test, pre),2)*100))

也可以不训练，直接使用模型输出特征的重要程度

model.fit(x,y)

使用该模型输出特征的重要性

feature_importances = (model.feature_importances_*100).round(2)

fi_df = pd.DataFrame(data=feature_importances,index=df.columns[:-1],columns=[‘Importance’]).sort_values(‘Importance’,ascending=False)

绘图

sns.set_palette(my_palette)
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.figure(figsize=(8,5))
plt.title(‘Random Forest Feature Importances’,pad=20)

sns.barplot(x=‘Importance’,y=fi_df.index,data=fi_df,width=0.5)

for index,row in fi_df.iterrows():
plt.text(row[‘Importance’],row.name,str(row[‘Importance’])+‘%’,ha=‘right’,va=‘center’)

plt.show()

![](https://img-blog.csdnimg.cn/direct/c55bb53743be4cdba037868ebdda4b60.png)


![](https://img-blog.csdnimg.cn/direct/f425b07643d24461ac3156c0dc484e6f.png)


本案例采用随机森林算法建模来预测特征的重要性，准确率为53%，可能需要考虑其他更合适的模型来预测。


由此图可知训练强度、体重和身高这些特征较为重要，与前面的分析结果比较符合。



## 总结


 **自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/8ef8e562e10fd87c85cae8481e04be62.png)

![img](https://img-blog.csdnimg.cn/img_convert/e1c5c0ddef9907420fcfce81e19399e4.png)

![img](https://img-blog.csdnimg.cn/img_convert/469044a1cfd7135a438161039267cd53.png)

![img](https://img-blog.csdnimg.cn/img_convert/2f8e609b83ba739ab1e0dff086a44564.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）**

5e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）**

![](https://img-blog.csdnimg.cn/img_convert/67e7f56c7857776fb60ac6ecc156031d.jpeg)