CDA数据分析师出品

作者：泽龙、Mika

数据：真达  

后期：泽龙

【导读】

北京时间7月20日，这个赛季的西甲联赛正式结束，最受关注的“全村的希望”武磊和他的西班牙人队彻底告别西甲。

今天我们就用数据来聊一聊武磊。Python技术部分请直接看第二部分。

今天我们聊一聊 武磊

最近，中国足球又成为了社会的焦点话题，12分钟跑、体能、成绩成了社会人士和专业人士互怼的话题，外行怼内行基本功都不行，还玩啥，内行怼外行足球是综合运动，你不懂。真的是热闹非凡，可能足球真的只分为内行和外行，完全不关心的人很少，是个看球的人都可以说自己懂足球，真是现实唯唯诺诺，网络重拳出击。

回到本期的主人公，中国足球第一人武磊，武球王，下赛季，武磊的去向一直占据的体育板块的头版头条，几家有中国背景的球队都想得到武磊，商业价值的确无可比拟，看看爱奇艺西甲的收视率，武磊登场的比赛和不登场的比赛相差70%，西班牙人整体收视率可以和英超媲美了，这就是商业价值，西班牙人虽然降级，但是乐动体育可是知名度节节攀升，这笔投资性价比还是很高的。

我们抽取了皇家西班牙人足球俱乐部在18/19 19/20 2个赛季的全部比赛数据，做了可视化分析，下面我们就来对应数据，解读下武磊的表现。

本文主要从这几个角度展开

• 武磊生涯评分
• 武磊身价浮动数据
• 武磊欧洲进球曲线图
• 西班牙人进攻效率对比
• 数据分析过程

01数据解读武磊

我们先来看看武磊职业生涯中的各项数据分析：

1武磊近年生涯回顾 

看到武磊的生涯评分，从16年到20年，虽然成下降趋势，但是西甲的强度和中超的强度本身是2个世界，所以说下降也是情理之中，毕竟对手和队友都不一样，在西甲的1.5个赛季，武磊算是高开低走，但是西班牙人更是出现断崖式的下滑，所以要是对比武磊和西班牙人的下滑曲线，C君觉得这个赛季西班牙人真的配不上武磊。

2武磊身价达到1000万欧元

看了生涯走势，再看下身价走势。

武磊小时候的愿望，我要值1000万—真的实现了，西甲中下游球队的主力前锋值1000万也算是公平公正了，虽然进球数有点刺眼，但是创造机会能力强。最近武磊身价下降了200万，主要是因为西班牙人本赛季真的不给力，下赛季假如武磊可以登陆英超，估计身价可以更高。

3武磊欧洲进球曲线图

为了更直观的感受武磊的进球效率，我们统计了武磊正式比赛的进球数，做了折线图。

直观感受是进球效率的确不高，但西班牙人的进攻效率更是低下，基本每场比赛射门更是寥寥无几。只能说武磊不是强力中锋，没有能力一个人左右锋线，他更加舒服的位置是踢二中锋，跑位、射门，而不是护球、盘带、过人、传球。

4西班牙人进攻效率对比

其实也不能完全怪武磊的进攻效率，看看西班牙人的本赛季的进球数，也是惨绝人寰，而且这个不光是西甲，还加入了欧联杯的比赛，要是只看西甲，可以说西班牙人不降级都说不过去，场均也就1个球，再加上后卫线最强的是主力门将，防守常年出问题，可以说西班牙人配的上一个降级名额。 

西班牙人队得分走势（2018.8.19-2019.5.18）

西班牙人队得分走势（2019.7.27-至今）

我们对比了上赛季的西班牙人，可以明显看出上赛季的西班牙人进攻好很多，可以达到场均2个球，而且稳定，后防线和本赛季相差不多，但是1个球就可以决定胜负，3分和0分的差距是巨大的。 

说到防守，大家可能印象中防守弱的球队都不够凶狠，就是平时说的踢球比较干净，我们统计了犯规走势图，其实大体上看，和西甲平均值相差无几，西甲本身就不是强调身体的联赛。实际看来，西班牙人的丢球主要源于漏人和被人打反击。西班牙人和巴塞罗那同属一个地区，其实踢球的风格也相差无几。在球员能力严重不足的情况下去打全攻全守的足球，去打传控足球无异于自杀，中场丢球被人打反击就是本赛季西班牙人的写照。

西班牙人的降级真的是防守问题大于进攻问题，防守才是定位于小球会的球队立足之本。武磊的确浪费了不少机会，但每场触球都是个位数，也是挺难为武磊的，大家都在说孙兴慜厉害，但是孙兴慜浪费的机会、拿球的机会都要比武磊多很多，只能说他赢得了信任，拿球机会多了，形成了正向循环，武磊还没有真正赢得五大联 赛的最重。

02数据分析步骤

我们使用Python获取了球探体育网站上西班牙人的球队数据，地址：

http://zq.win007.com/cn/team/Summary/100.html

以下展示部分分析代码：

首先导入所需包，其中pandas用于数据读入和数据整理，pyecharts用于数据可视化分析。

import pandas as pd 

from pyecharts.charts import Bar, Pie, Line, Page
from pyecharts import options as opts 

1数据读入

该数据包含了西班牙人球队2013-08-20至2020-07-17日比赛数据，数据预览如下：

# 读入数据
df_4 = pd.read_excel('../data/球探体育比赛数据.xlsx')

# 提取日期
df_4['日期'] = df_4['时间'].str.split(' ').str[0]
df_4.head() 

2数据预处理

去掉友谊赛的数据并按照日期进行升序排序。

# 去掉友谊赛
df_4 = df_4[df_4['比赛']!='球会友谊']

# 排序
df_4 = df_4.sort_values('日期')
df_4.shape

3数据可视化

3.1 赛季 2019-07-26 - 今 西班牙得分走势图

# 筛选时间
df_sel2 = df_4[(df_4['日期'] >= '2019-07-26')]
df_sel2.head() 

# 提西班牙人 主队比分
zhudui = df_sel2[df_sel2['主队']=='西班牙人'][['日期', '比分']]
# 分数
zhudui['分数'] = zhudui['比分'].str.split('-').str[0].astype('int')

# 提西班牙人 客队比分
kedui = df_sel2[df_sel2['客队']=='西班牙人'][['日期', '比分']]
# 分数
kedui['分数'] = kedui['比分'].str.split('-').str[1].astype('int')

# 提取日期
riqi = df_sel2[['日期']]

# 合并数据
riqi = pd.merge(riqi, zhudui[['日期', '分数']], on='日期', how='left') 
riqi = pd.merge(riqi, kedui[['日期', '分数']], on='日期', how='left')
riqi.columns = ['日期', '主队分数', '客队分数']

# 填补空值
riqi = riqi.fillna(0)
# 分数相加
riqi['分数'] = riqi['主队分数'] + riqi['客队分数'] 
riqi.head() 

# 产生数据
x_data = riqi['日期'].values.tolist()
y_data = riqi['分数'].values.tolist()

# 折线图
line5 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))
line5.add_xaxis(x_data)
line5.add_yaxis('', y_data,
                label_opts=opts.LabelOpts(is_show=False), 
                markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min"),
                                                        opts.MarkPointItem(type_="max"),]),
               )   
line5.set_global_opts(title_opts=opts.TitleOpts(title='西班牙球队得分走势(2019.07.26-至今)'), 
                      xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate='45'),
                                               axisline_opts=opts.AxisLineOpts(is_on_zero=False),
                                              ),
                      yaxis_opts=opts.AxisOpts(max_=10, min_=-1,
                        name="",
                        type_="value",
                        axislabel_opts=opts.LabelOpts(formatter="{value}"),
                        splitline_opts=opts.SplitLineOpts(is_show=False),   
                    )
                     ) 
line5.set_series_opts(linestyle_opts=opts.LineStyleOpts(width=3, color='#4169E1'))
line5.render() 

3.2 赛季 2019-07-26 - 今 西班牙得分分布

# 计算得分
score_num = riqi['分数'].value_counts()

# 产生数据
data_pair = [list(z) for z in zip([str(i) + '分'for i in score_num.index], score_num.values.tolist())]

# 绘制饼图
pie5 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie5.add('', data_pair, radius=['35%', '60%'])
pie5.set_global_opts(title_opts=opts.TitleOpts(title='西班牙球队得分分布(2019.07.26-至今)'), 
                     legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
pie5.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c} \n占比({d}%)"))
pie5.set_colors(['#EF9050', '#3B7BA9', '#6FB27C', '#FFAF34', '#D8BFD8', '#00BFFF', '#7FFFAA'])
pie5.render() 

3.3 赛季 2019-07-26 - 今 西班牙球队犯规 黄牌 红牌

# 筛选时间
df_sel2 = df_4[(df_4['日期'] >= '2019-07-26')]

# 产生数据
x_data = df_sel2['日期'].values.tolist()
y_data1 = df_sel2['犯规'].values.tolist()
y_data2 = df_sel2['黄牌'].values.tolist()
y_data3 = df_sel2['红牌'].values.tolist()

# 折线图
line6 = Line(init_opts=opts.InitOpts(width='1350px', height='750px'))
line6.add_xaxis(x_data) 
line6.add_yaxis('犯规', y_data1,
                markpoint_opts=opts.MarkPointOpts(data=[
                    opts.MarkPointItem(type_='max', name='最大值'),
                    opts.MarkPointItem(type_='min', name='最小值')
                ])) 
line6.add_yaxis('黄牌', y_data2,
                markpoint_opts=opts.MarkPointOpts(data=[
                    opts.MarkPointItem(type_='max', name='最大值'),
                    opts.MarkPointItem(type_='min', name='最小值')
                ])) 
line6.add_yaxis('红牌', y_data3,
                markpoint_opts=opts.MarkPointOpts(data=[
                    opts.MarkPointItem(type_='max', name='最大值'),
                    opts.MarkPointItem(type_='min', name='最小值')
                ])) 
line6.set_global_opts(title_opts=opts.TitleOpts(title='西班牙球队犯规-黄牌-红牌走势图(2019.07.26-至今)'), 
                      xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate='45'),
                                               axisline_opts=opts.AxisLineOpts(is_on_zero=False)),
                      yaxis_opts=opts.AxisOpts(max_=30, min_=0,
                        name="",
                        type_="value",
                        axislabel_opts=opts.LabelOpts(formatter="{value}"),
                        splitline_opts=opts.SplitLineOpts(is_show=False),   
                    )
                     ) 
line6.set_series_opts(label_opts=opts.LabelOpts(is_show=False), 
                      linestyle_opts=opts.LineStyleOpts(width=3)  
                     )
line6.render() 

结语

本赛季，到底是武磊配不上西班牙人，还是西班牙人配不上武磊，这个还是留给大家去评判，可以留言给我们，说出你的观点。

如果还想看任何体育相关的数据分析

同样请给我们留言吧

我们立刻安排上！