[数据分析实例2]使用python-pandas对历届世界杯进行数据分析,并用matplotlib绘图，干货满满，赶紧收藏学习起来！

布丁_码到成功

已于 2023-05-29 19:33:33 修改

阅读量534

点赞数

分类专栏：数据分析学习技巧 python学习文章标签： python matplotlib 数据分析

于 2023-05-26 17:02:02 首次发布

本文链接：https://blog.csdn.net/m0_59541412/article/details/130884091

版权

前言

三、分析数据

3.1用 matplotlib 库中的 pyplot 模块来绘制图表。

从以上数据我们可以看出:

1.主场球队获胜概率远大于客场队

2.主队进球的平均水平从箱线图看来整体也高于客队

统计了世界杯开始到14年观众的总数得出结论:

民众对于世界杯的热情呈明显上升趋势

1994年美国世界观众数量历史最高

分组计算出了上下半场的得分情况，然后使用堆叠柱状图展示。得到以下结论：

二战后的2届世界杯进球数量同比增多了不少，应该是热情更高涨了。

近代02-10年球队疲软了进球数量和80年代差不多

可以使用for循环获取数值的坐标来做表格数据的标记：

前言

此篇为前一篇续集，前面用pandas对世界杯数据做了深入的分析，不过肯定是可视化的图会让人更容易理解一些，所以我们今天会用到绘图神器matplotlib，对数据分析感兴趣的小伙伴千万别错过啊，如果想看上一集，请点下面的链接：

[数据分析实例1]使用python-pandas对历届世界杯进行数据分析,并用matplotlib绘图，我不允许你还没学过！https://blog.csdn.net/m0_59541412/article/details/130864289

三、分析数据

3.1用 matplotlib 库中的 pyplot 模块来绘制图表。

1.通过 plt.rcParams 来设置默认字体为中文字体 'SimHei'黑体,这里中文字体一定要设置，否则中文将不能正确显示。

2.使用 plt.figure() 函数创建一个名为 'Subplot' 的窗口，并设置其背景颜色为浅灰色，分辨率为150dpi。

3.在第一个子图中，使用 plt.subplot() 函数创建一个大小为 2×2 的子图区域，并指定绘制位置为第 1 个位置。然后根据数据 data 绘制柱状图，设置 x 轴和 y 轴标签、标题、y 轴范围、网格线等内容。并使用 plt.bar() 函数绘制柱状图，同时为每个柱子添加文本标签（数字）。最后使用 plt.legend() 函数显示图例。

4.在第二个子图中，使用 plt.subplot() 函数创建一个大小为 2×2 的子图区域，并指定绘制位置为第 2 个位置。然后根据 matches 中的数据绘制两组箱线图，可以分别得到主队和客队在主客场比赛中得分情况，并设置 x 轴和 y 轴标签、标题、y 轴范围、网格线等内容。

5.使用 plt.tight_layout() 函数进行布局调整，以确保图表元素之间的间距合适，并使用 plt.show() 函数显示图表。

figure函数定义画板样式(背景颜色，大小)

subplot函数可以设定有多少个子图

grid可以制作网格

从以上数据我们可以看出:

1.主场球队获胜概率远大于客场队

2.主队进球的平均水平从箱线图看来整体也高于客队

yearDF = matches.groupby('Year').sum(numeric_only=True)
yearDF = yearDF.reset_index()
yearDF.head()

1.对 matches 按照年份进行分组，并计算得出每个年份的比赛总得分，numeric_only=True 参数表示仅对数值类型的列进行求和，避免了警告信息。

2.使用 reset_index() 函数将 Year 列变回普通列，并重置索引。

x = yearDF['Year']                                   
y = yearDF['Attendance']/ 10000
plt.figure('bar', facecolor = 'lightgray', dpi = 120)
plt.title('观众总数')                                
plt.xlabel('年份')                                   
plt.ylabel('观众人数(万)')
plt.grid(axis = 'y', linestyle = ':')             
plt