基于关联规则的足球比赛数据分析

1、明确分析的目的和思路

目的：目前，足球比赛作为大众娱乐项目的一种，越来越受到大家的喜爱，其中不乏一些球队死忠、球星铁粉以及“赌球狗”，而希望自己支持的球队获胜也是足球比赛中的一大关注点。针对这种情况，本文通过足球比赛中产生的数据，比如射门次数、控球率、传球成功率等，运用关联规则算法进行建模、分析，探索足球比赛的胜负与哪些关键指标的关系密切。

思路：以本赛季的中超联赛（目前进行到第18轮）为分析对象，爬取体育网站上的各场比赛数据和胜负结果，经过数据处理后，采用Apriori算法，挖掘各数据指标与比赛结果之间的关系。

2、数据收集

对tzuqiu网站（http://www.tzuqiu.cc/）上的每场中超比赛的数据进行爬取，包括：1、射门次数，2、控球率，3、传球成功率，4、过人次数，5、抢断次数，6、角球次数，7、失误次数，以及比赛结果（胜、平、负）。如图1所示：

图1 指标爬取示意图

最终结果共288条记录（18轮*每轮8场比赛*每场2支球队），结果如图2所示：

图2 爬取结果

3、数据处理

使用Rstudio工具进行处理。

（1）数据清洗

首先导入数据，然后处理缺失值。

考虑到含有缺失值的记录较少（只有2条，第13轮上海上港与广州恒大的比赛因为天气原因延期进行），决定把源数据中含有缺失值的记录删除。

data = read.csv(file="csl_data.csv",header = TRUE) #导入数据

h