用Python製作歐洲盃視覺化圖表！

最近不少小夥伴都會熬夜看歐洲盃。

今年的歐洲盃相比起往年的歐洲盃來說，可謂是冷門頻出，出乎意料。

真的不知道，第一會花落誰家～

本期小編就和大家分享一下，用Python和Matplotlib繪製一個足球運動員的資料視覺化圖表。

很多小夥伴在學習python的時候總會遇到一些問題和瓶頸，沒有方向感，不知道該從哪裡入手去提升，對此我整理了一些資料，希望能夠去幫助到小夥伴們，可以關注up主，並在後臺私信小編：“資料”即可領取。

來看一下C羅的情況，跟老詹一樣高齡，真的佩服。

資料來源於下面兩個網站，Understat和Fbref。

連結：https：//understat。com/

連結：https：//fbref。com/en/

歐洲足球五大聯賽，英超、意甲、西甲、德甲、法甲。

先看一下射門資料的視覺化，本質上和籃球的出手點圖差不多，都是散點圖型別。

匯入相關的Python庫。

從Understat網站爬取射門資料，使用BeautifulSoup、JSON和pandas解析和處理資料。

此處的ID，透過查詢球員名字可知

查詢中國球員武磊，點選訪問，在位址列處，可以看到球員ID。

得到資料如下。

包含射門位置（x、y）、xG（預期進球）、射門結果、賽季。

其中x、y的座標值為0～1之間，不適合在Matplotlib顯示，所以選擇放大100倍。

得到結果如下。

既然已經成功獲取Understat網站的資料，就可以去獲取Fbref網站的資料啦。

這裡是球員的一些個人資訊，以及賽季的平均資料。

比如全名、國家、位置、俱樂部、聯賽、年齡、出生年份、上場時間、得分資料等等。

因為網頁的資料是表格形式，所以直接使用pandas的read_html函式，解析表格爬取資料。

這個網站需要取消一下證書驗證，要不然連線不成功。

獲取球員的相關資料。

得到結果如下。

資料都已經準備好了，那麼我們就可以將資料繪製到圖表上。

先

安

裝mplsoc

cer

、h

ighlight_tex

t這兩個Python庫

。

其中mplsoccer庫可以自定義繪製足球場，無需我們自己繪製場地圖。

想了解更多，可以訪問它的GitHub地址。

https：//github。com/andrewRowlinson/mplsoccer

初始化一些設定，畫布背景色、字型顏色、預設字型，字型大小，此處選擇中文字型。

新建一個畫布。

顯示如下。

繪製19-20賽季，C羅的進球情況。

透過設定mplsoccer的引數，繪製半個足球場。

果然，左下方有半個足球場。

將射門資料用散點圖表示，分為進球得分和未成功進球得分兩種情況。

未得分射門散點圖。

得分散點圖。

結果如下，失敗的比成功的多。

這樣，我們就將C羅在2019-2020賽季的所有射門點資料可視化出來了。

其中散點的大小，是預期進球的大小。

新增標籤及圖例，設定相應的位置、文字、字型等設定。

成功新增附加資訊。

顯示賽季、xG、得分次數、射門次數資訊。

同樣將20-21賽季的資料繪製出來，放置在19-20賽季的右側。

結果如下。

C羅老當益壯啊，狀態一點也沒有下滑。

下面接著繪製所有球員的資料散點圖，看看C羅的資料能在哪一檔？

建立一個座標軸。

首先對資料進行篩選，上場時間最少要有900s，而且位置為前鋒此類的。

畢竟我們不能拿個守門員，跟C羅比資料吧，參考意義不大。

所有球員每90s預期進球和得分次數的資料情況。

現在我們篩選出C羅的資料，在散點圖上用不同的顏色及透明度來突出顯示它。

結果如下。

可以看到C羅的資料還是比較高效的，雖不是第一，但也是前幾的存在。

最後給散點圖新增網格線，以及x軸和y軸標籤。

結果如下。

不愧是C羅，在2020-21賽季幾乎每90秒就能進1顆球。

18年就已經有一個記錄！

C羅成歷史第一位在90分鐘內每分鐘都有進球的球員

。

最後新增文字資訊，包含標題，C羅的頭像，場上位置、年齡、效力球隊。

此處使用hightlight-text庫，可以高亮文字。

C羅的頭像、效力的隊伍logo，都是小F自己製作的。

得到結果如下。

儲存為圖片。

看起來還不錯哦。

好了，本期的分享就到此結束了，有興趣的小夥伴可以自行去實踐學習。

很多小夥伴在學習python的時候總會遇到一些問題和瓶頸，沒有方向感，不知道該從哪裡入手去提升，對此我整理了一些資料，希望能夠去幫助到小夥伴們，可以關注up主，並在後臺私信小編：“資料”即可領取。