6-2. 实战项目：足球运动员分析

足球运动员分析

1. 项目背景

当前，足球运动是最受欢迎的运动之一（也可以说没有之一）。

我们的任务，就是在众多的足球运动员中，发现统计一些关于足球运动员的共性，或某些潜在的规律。也是好玩。

2. 数据集描述

数据集包含的是2017年所有活跃的足球运动员。

• Name 姓名
• Nationality 国籍
• National_Position 国家队位置
• National_Kit 国家队号码
• Club 所在俱乐部
• Club_Position 所在俱乐部位置
• Club_Kit 俱乐部号码
• Club_Joining 加入俱乐部时间
• Contract_Expiry 合同到期时间
• Rating 评分
• Height 身高
• Weight 体重
• Preffered_Foot 擅长左（右）脚
• Birth_Date 出生日期
• Age 年龄
• Preffered_Position 擅长位置
• Work_Rate 工作效率
• Weak_foot 非惯用脚使用频率
• Skill_Moves 技术等级
• Ball_Control 控球技术
• Dribbling 盘球（带球）能力
• Marking 盯人能力
• Sliding_Tackle 铲球
• Standing_Tackle 逼抢能力
• Aggression 攻击能力
• Reactions 反击
• Attacking_Position 攻击性跑位
• Interceptions 抢断
• Vision 视野
• Composure 镇静
• Crossing 下底传中
• Short_Pass 短传
• Long_Pass 长传
• Acceleration 加速度
• Speed 速度
• Stamina 体力
• Strength 强壮
• Balance 平衡
• Agility 敏捷度
• Jumping 跳跃
• Heading 投球
• Shot_Power 射门力量
• Finishing 射门
• Long_Shots 远射
• Curve 弧线
• Freekick_Accuracy 任意球精准度
• Penalties 点球
• Volleys 凌空能力
• GK_Positioning 门将位置感
• GK_Diving 扑救能力
• GK_Kicking 门将踢球能力
• GK_Handling 扑球脱手几率
• GK_Reflexes 门将反应度

3. 程序实现

导入相关的库

导入需要的库，同时，进行一些初始化的设置。

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

# 支持中文
mpl.rcParams["font.family"] = "SimHei"
mpl.rcParams["axes.unicode_minus"] = False

3.1 加载相关的数据集

• 加载相关的数据集（注意原数据集中是否存在标题），并查看数据的大致情况。
• 可以使用head / tail，也可以使用sample。
• 列没有显式完整，我们需要进行设置。（pd.set_option）

data = pd.read_csv("FullData.csv")
# data.head()
# data.tail()
# data.sample(5)
# 设置最大显示的列数。
pd.set_option("max_columns", 100)
data.head()

3.2 数据探索与清洗

缺失值处理

• 通过info查看缺失值信息（以及每列的类型信息）。
• 可以通过isnull, any, dropna，fillna等方法结合使用，对缺失值进行处理。

# data.info()
# 查看缺失值的记录
# data[data["Club_Position"].isnull()]
data = data[data["Club_Position"].notnull()]

异常值处理

• 通过describe查看数值信息。
• 可配合箱线图辅助。

# data.describe()
# data.plot(kind="box")
data["Age"].plot(kind="box")