用Python预测世界杯球赛结果，还别说准确度还是蛮高的

前言

那么四年一度的世界杯即将要在卡塔尔开幕了，对于不少热爱足球运动的球迷来说，这可是十分难得的盛宴，而对于最后大力神杯的归属，相信很多人都满怀着期待，每个人心中都有不同的答案。

今天我就通过Python数据分析以及机器学习等方式来预测一下谁能获得最后的冠军，当然最后预测出来的结果也仅仅只是作为一种参考，并不代表最后真实的结果。

数据集的准备

这里我们用到的数据集是来自kaggle的公开数据集，其中的一份数据集是2018年俄罗斯世界杯每小组各成员交手的记录，最后小编的预测基于该份数据集的基础之上，另外一份数据集则是从1870年开始到2022年截止，所有参赛球队的历史交手成绩汇总。那么我们首先导入要用到的模块以及导入数据集。

模块和数据集的导入

数据分析和可视化要用到的模块分别是pandas、matplotlib以及seaborn，而机器学习预测要用到的模块是sklearn，代码如下

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
import seaborn as sns 
import matplotlib.ticker as ticker 
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

1
2
3
4
5
6
7
8

着我们导入数据集

world_cup = pd.read_csv("World_Cup_2018_Dataset.csv")results = pd.read_csv("results.csv")
1

我们可以通过head()方法来查看导入数据及的前几行，校验一下数据的导入是否成功，代码如下

world_cup.head()
1

output

探索性数据分析和特征工程

接下来我们要做的便是探索性数据分析和特征工程了，来对数据集有一个大致的了解，同时生成一些针对最后的预测大有帮助的特征出来，例如我们针对比赛当中的比分来判断比赛是谁胜谁负，或者是平局，代码如下

winner = []
for i in range(len(results["home_team"])):
    if results["home_score"][i] > results["away_score"][i]:
        winner.append(results["home_team"][i])
    elif results["home_score"][i] < results["away_score"][i]:
        winner.append(results["away_team"][i])
    else:
        winner.append("Draw")

results["winning_team"] = winner
results["goal_difference"] = np.absolute(results["home_score"] - results["away_score"])
results.head()

1
2
3
4
5
6
7
8
9
10
11
12
13

output

紧接着我们针对某个单独的国家，统计历史过往中所有比赛的胜负率情况，例如小编比较喜欢阿根廷队，就筛选出阿根廷队的历史战绩，代码如下

df = results[(results["home_team"] == "Argentina") | (results["away_team"] == "Argentina")]
argen = df.iloc[:]
argen.head()
1
2
3

output

么同时我们也知道第一届世界杯举办的时间是1930年在乌拉圭举办的，那么筛选出在1930年之后的所有比赛的成绩，代码如下

year = []
1