基于Python英超足球赛的数据采集和预测，包括数据集

# -*- coding: utf-8 -*- import pandas as pd import matplotlib.pyplot as plt list0 = [['19', '阿森纳', 32], ['20', '阿斯顿维拉', 27], ['24', '切尔西', 33], ['25', '利物浦', 33], ['26', '曼彻斯特城', 33], ['27', '曼彻斯特联', 33], ['28', '纽卡斯尔联', 26], ['29', '富勒姆', 28], ['31', '埃弗顿', 27], ['33', '托特纳姆热刺', 31], ['35', '水晶宫', 26], ['46', '伯恩利', 26], ['49', '诺丁汉森林', 29], ['51', '谢菲尔德联队', 28], ['52', '狼队', 27], ['60', '布莱顿', 28], ['62', '西汉姆联', 29], ['348', '伯恩茅斯', 27], ['365', '布伦特福德', 27], ['372', '卢顿', 28]] data = pd.DataFrame(columns=['比赛', '时间', '主队', '比分', '客队', '犯规', '黄牌', '红牌', '控球率', '射门(射正)', '传球(成功)', '传球成功率', '过人次数', '角球', '越位', '头球(成功)', '救球', '铲球', '射门不中', '射门被挡', '界外球', '评分', '总胜', '总平', '总负', '总胜率', '总犯规', '总黄牌', '总红牌', '总控球率', '总射门(射正)', '总传球(成功)', '总传球成功率', '总过人次数', '总角球', '总越位', '总头球(成功)', '总救球', '总铲球', '总射门不中', '总射门被挡', '总界外球', '总评分']) for i in list0: df = pd.read_csv(f'{i[1]}球赛信息.csv', header=None) df.columns = ['比赛', '时间', '主队', '比分', '客队', '犯规', '黄牌', '红牌', '控球率', '射门(射正)', '传球(成功)', '传球成功率', '过人次数', '角球', '越位', '头球(成功)', '救球', '铲球', '射门不中', '射门被挡', '界外球', '评分', '总胜', '总平', '总负', '总胜率', '总犯规', '总黄牌', '总红牌', '总控球率', '总射门(射正)', '总传球(成功)', '总传球成功率', '总过人次数', '总角球', '总越位', '总头球(成功)', '总救球', '总铲球', '总射门不中', '总射门被挡', '总界外球', '总评分'] data = pd.concat([data, df], axis=0) # 选择英超比赛数据 data = data[data['比赛'] == '英超'] # 数据类型转换 numeric_columns = ['犯规', '黄牌', '红牌', '角球', '越位', '过人次数', '救球', '铲球', '射门不中', '射门被挡', '界外球', '总胜', '总平', '总负', '总犯规', '总黄牌', '总红牌', '总过人次数', '总角球', '总越位', '总救球', '总铲球', '总射门不中', '总射门被挡', '总界外球'] data[numeric_columns] = data[numeric_columns].astype(int) # 处理日期范围 start_date = pd.to_datetime('2022-01-01') end_date = pd.to_datetime('2023-12-31') data['时间'] = pd.to_datetime(data['时间']) filtered_data = data[(data['时间'] >= start_date) & (data['时间'] <= end_date)] # 提取得分、射门和传球相关列数据 filtered_data[['射门']] = filtered_data['射门(射正)'].str.extract('(\d+)').astype(int) filtered_data[['射正']] = filtered_data['射门(射正)'].str.extract('\((\d+)\)').astype(int) filtered_data[['传球']] = filtered_data['传球(成功)'].str.extract('(\d+)').astype(int) filtered_data[['传球成功']] = filtered_data['传球(成功)'].str.extract('\((\d+)\)').astype(int) filtered_data[['头球']] = filtered_data['头球(成功)'].str.extract('(\d+)').astype(int) filtered_data[['头球成功']] = filtered_data['头球(成功)'].str.extract('\((\d+)\)').astype(int) filtered_data[['总射门']] = filtered_data['总射门(射正)'].str.extract('(\d+)').astype(int) filtered_data[['总射正']] = filtered_data['总射门(射正)'].str.extract('\((\d+)\)').astype(int) filtered_data['总传球成功率']= filtered_data['总传球成功率'].str.replace('%','').astype(float) filtered_data['总控球率'] = filtered_data['总控球率'].str.replace('%','').astype(float) filtered_data['总胜率'] = filtered_data['总胜率'].str.replace('%','').astype(float) filtered_data['传球成功率'] = filtered_data['传球成功率'].str.replace('%','').astype(float) filtered_data['控球率'] = filtered_data['控球率'].str.replace('%','').astype(float) filtered_data['主队得分'] = filtered_data['比分'].str.split('-',expand=True)[0].astype(int) filtered_data['客队得分'] = filtered_data['比分'].str.split('-',expand=True)[1].astype(int) # 删除多余的列 filtered_data.drop(['比分', '射门(射正)', '传球(成功)', '头球(成功)', '总射门(射正)', '总传球(成功)', '总头球(成功)'], axis=1, inplace=True) df_1=pd.read_csv('队员详细信息.csv',header=None) df_1.columns = ['比赛','时间','主队','比分','客队','球员进球','球员点球','球员乌龙','球员黄牌','球员红牌','效力球队','位置','国籍','预计身价','合同截止','首发次数/进球','替补次数/进球','助攻','链接'] data2 = df_1[df_1['比赛'] == '英超'] data2['时间'] = pd.to_datetime(data2['时间']) data2['球员首发次数']=data2['首发次数/进球'].str.split('/',expand=True)[0] data2['球员首发进球']=data2['首发次数/进球'].str.split('/',expand=True)[1] data2['球员替补次数']=data2['替补次数/进球'].str.split('/',expand=True)[0] data2['球员替补进球']=data2['替补次数/进球'].str.split('/',expand=True)[1] data2.drop(['比分','国籍','预计身价','合同截止','链接','首发次数/进球','替补次数/进球'],axis=1,inplace=True) data2.fillna('0',axis=0,inplace=True) # 数据类型转换 data2['助攻'] = data2['助攻'].str.replace('-','0').astype(int) data2['球员首发次数'] = data2['球员首发次数'].str.replace('-','0').astype(int) data2['球员首发进球'] = data2['球员首发进球'].str.replace('-','0').astype(int) data2['球员替补次数'] = data2['球员替补次数'].str.replace('-','0').astype(int) data2['球员替补进球'] = data2['球员替补进球'].str.replace('-','0').astype(int) # 横向合并两个DataFrame merged_data = pd.merge(data2, filtered_data, on=['比赛', '时间', '主队', '客队'], how='outer') merged_data['主队输赢']=None for k in range(merged_data.shape[0]): if merged_data.iloc[k,56]>merged_data.iloc[k,57]: merged_data.iloc[k, 58]=1 elif merged_data.iloc[k,56]<merged_data.iloc[k,57]: merged_data.iloc[k, 58] = 0 else: merged_data.iloc[k, 58] = 2 merged_data['主队输赢']=merged_data['主队输赢'].astype('int') print(merged_data.columns.tolist()) print(merged_data.info()) # from sklearn.preprocessing import MinMaxScaler import seaborn as sns merged_data.dropna(axis=0,inplace=True) # 计算特征之间的相关系数 correlation_matrix = merged_data[['主队输赢','球员进球', '球员点球', '球员乌龙', '球员黄牌', '球员红牌', '助攻', '球员首发次数', '球员首发进球', '球员替补次数', '球员替补进球', '犯规', '黄牌', '红牌', '控球率', '传球成功率', '过人次数', '角球', '越位', '救球', '铲球', '射门不中', '射门被挡', '界外球', '评分', '总胜', '总平', '总负', '总胜率', '总犯规', '总黄牌', '总红牌', '总控球率', '总传球成功率', '总过人次数', '总角球', '总越位', '总救球', '总铲球', '总射门不中', '总射门被挡', '总界外球', '总评分', '射门', '射正', '传球', '传球成功', '头球', '头球成功', '总射门', '总射正', '主队得分', '客队得分']].corr() # 绘制热力图 plt.figure(figsize=(10, 8)) sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm') plt.title('特征相关系数热力图') plt.show() print(correlation_matrix['主队输赢']) # 选择需要进行灰色关联分析的列 columns_to_analyze =['球员进球', '球员点球', '球员乌龙', '球员黄牌', '球员红牌', '助攻', '球员首发次数', '球�