英超联赛球员爬虫数据分析：进球趋势、俱乐部火力对比与预测

# 计算机与人工智能学院 计算机2203班 张俊鑫 # 0122210870531 # 完成日期2023-11-16 from PIL import Image import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt from wordcloud import WordCloud from sklearn import linear_model from sklearn.metrics import mean_squared_error, r2_score from sklearn.preprocessing import PolynomialFeatures import warnings warnings.filterwarnings('ignore') file_name = './data/result.csv' # seaborn 绘图初始化 def sns_init(): sns.set(style='darkgrid') # 设置背景 sns.set(font='SimHei') # 设置字体，以正确显示中文 # 数据的读取以及数据的预览 def read_and_review(file_name): data = pd.read_csv(file_name, delimiter=',',encoding='gbk') # 利用read_csv函数读取数据 print(data.head()) #预览 print(data.isnull().sum(), '\n') # 查看是否有空缺值 print(data.shape) # 打印列表的形状 print(data.dtypes) # 检查数据的数据类型是否正确 return data # 数据处理-解决各个赛季球星名字翻译出现更迭的问题 # 由于球星翻译更迭属少数个例，直接针对特定属性修改 # 例如：对于多次入选射手榜的B席，还有赛季翻译为全称贝尔纳多席尔瓦，在此以该球员其他属性为索引统一改为B席 # 经观察：出现该情况的球员有：孙兴慜，B席，B费 def data_update(data): data.loc[(data['队伍名称']=='热刺')&(data['位置']=='前锋')&(data['国家']=='韩国')&(data['球衣号']=='7号'),['球员姓名']]='孙兴慜' data.loc[(data['队伍名称'] == '曼城') & (data['位置'] == '中场') & (data['国家'] == '葡萄牙')&(data['球衣号']=='20号'), ['球员姓名']] = 'B席' data.loc[(data['队伍名称'] == '曼联') & (data['位置'] == '中场') & (data['国家'] == '葡萄牙')&(data['球衣号']=='8号'), ['球员姓名']] = 'B费' return data # 绘制2018-2022五个已结束赛季球员进球数散点图 def draw_picture1(data): data=data.loc[data['年份'] < 2023] sns_init() plt.figure(figsize=(9, 5)) # 设置图形大小 sns.catplot(x="年份",y="总进球数",data=data) plt.title("2018-2022球员进球散点图") plt.savefig('img/picture1.png') plt.show() # 绘制2018-2022五个已结束赛季球员进球数箱型图 def draw_picture2(data): data = data.loc[data['年份'] < 2023] sns_init() plt.figure(figsize=(9, 5)) # 设置图形大小 sns.catplot(x="年份", y="总进球数", kind="box", data=data) plt.title("2018-2022球员进球箱型图图") plt.savefig('img/picture2.png') plt.show() # 获取关于俱乐部进球的关系二维列表 def data_temp(data): dict1 = dict() # 定义俱乐部与进球数字典 for i in range(1,len(data)-50): dict1[data[i][1]] = 0 for i in range(1, len(data) - 50): dict1[data[i][1]] += int(data[i][3]) list1 = [] for i in dict1: list2 = [] list2.append(i) list2.append(dict1[i]) list1.append(list2) return list1 # 绘制2018-2022五个已结束赛季各俱乐部总进球柱形图 def draw_picture3(data): sns_init() plt.figure(figsize=(8, 4)) # 设置图形大小 sns.barplot(x='俱乐部', y='总进球数', data=data,palette='hls') plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] plt.title('2018-2022五个赛季各俱乐部总进球柱形图') plt.xlabel('俱乐部') plt.ylabel('总进球数') plt.xticks(rotation=45, ha='right') plt.tight_layout() plt.savefig("img/picture3.png") plt.show() # 绘制2018-2022五个已结束赛季各俱乐部总进球饼图 def draw_picture4(data,program): sns_init() plt.figure(figsize=(8, 8)) sum_ = data['总进球数'].sum() plt.axes(aspect=1) prog_name = [] for i in range(len(data)): prog_name.append(data.iloc[i,0]) rank = [] for i in range(len(data)): rank.append(float((data.iloc[i,1]/sum_)*100)) exp = [0] * len(prog_name) num = prog_name.index(program) exp[num] = 0.1 plt.pie(rank, explode=exp, labels=prog_name, labeldistance=1.1, autopct='%2.1f%%', shadow=True, startangle=90, pctdistance=0.8) plt.legend(loc='lower right', bbox_to_anchor=(1.3, 0)) plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] plt.title('2018-2022五个赛季各俱乐部总进球柱形图') plt.xticks(rotation=45, ha='right') plt.tight_layout() plt.savefig("img/picture4.png") plt.show() # 获取各国家入选2018-2022每年射手榜前50的人数，分析各国家足球实力 def data_temp2(data): dict1 = dict() # 定义俱乐部与进球数字典 for i in range(1, len(data) - 50): dict1[data[i][7]] = 0 for i in range(1, len(data) - 50): dict1[data[i][7]] += 1 list1 = [] for i in dict1: list2 = [] list2.append(i) list2.append(dict1[i]) list1.append(list2) return list1 # 选取国家及其入选射手榜人次绘制柱形图 def draw_picture5(data): sns_init() plt.figure(figsize=(10, 4)) sns.barplot(x='国家', y='入选射手榜人次', data=data,palette='hls') plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] plt.title('2018-2022五个赛季各国家入选英超射手榜人次柱形图') plt.xlabel('国家') plt.ylabel('入选射手榜人次') plt.xticks(rotation=45, ha='right') plt.tight_layout() plt.savefig("img/picture5.png") plt.show() # 选取人数排名前10的国家绘制饼图 def draw_picture6(data,nation): data = data.iloc[0:10,:] sns_init() plt.figure(figsize=(8, 8)) sum_ = data['入选射手榜人次'].sum() plt.axes(aspect=1) prog_name = [] for i in range(len(data)): prog_name.append(data.iloc[i, 0]) rank = [] # 百分比的列表 for i in range(len(data)): rank.append(float((data.iloc[i, 1] / sum_) * 100)) exp = [0] * len(prog_name) num = prog_name.index(nation) exp[num] = 0.1 # 数据突出显示 plt.pie(rank, explode=exp, labels=prog_name, labeldistance=1.1, autopct='%2.1f%%', shadow=True, startangle=90, pctdistance=0.8) plt.legend(loc='lower right', bbox_to_anchor=(1.3, 0)) plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] plt.title('2018-2022五个赛季入选射手榜人次前十国家柱形图') plt.xticks(rotation=45, ha='right') plt.tight_layout() plt.savefig("img/picture6.png") plt.show() # 获取2018-2022五赛季均入选射手榜的英超球员信息 # 获取球员入选次数二维列表 def data_temp3(data): dict1 = dict() # 定义俱乐部与进球数字典 for i in range(1, len(data) - 50): dict1[data[i][2]] = 0 for i in range(1, len(data) - 50): dict1[data[i][2]] += 1 list1 = [] for i in dict1: list2 = [] list2.append(i) list2.append(dict1[i]) list1.append(list2) return list1 # 获取五个赛季均入选的球员名单列表 def get_list(list_temp): list2 = [] for i in list_temp: if(i[1]==5): list2.append(i[0]) return list2 # 绘制这些球员进球数折线图 def draw_picture7(data,list_temp): data = data.loc[data['年份'] < 2023] sns_init() list3 = [] for i in list_temp: df_temp = data.loc[data['球员姓名']==i] # print(df_temp) list3.append(df_temp) plt.figure(figsize=(8, 4)) # 设置图形大小 for i in list3: sns.lineplot(x='年份', y='总进球数', data=i, label=i['球员姓名'].iloc[0], marker='o') # 绘制第一个连载中的折线 plt.rcParams['font.sans-serif'] = [