前言

    欧洲杯战火还在高卢人的土地上熊熊燃烧，为了不错过这场4年一战的盛会，各路豪杰也是摩拳擦掌、跃跃欲试。然而赛程过半，究竟鹿死谁手，我们拭目以待。而这一次我们不去谈论太过严肃的话题，转而通过对2016年欧洲杯犯规数据的可视化分析，来分析球队犯规的发生与其比赛结果的关系。

数据读取与处理

    我们载入所需的包,数据的获取可以到[Rstudio project I have uploaded on Github](https://github.com/AndreaCirilloAC/euro_2016_stat)下载，数据最后的更新日期是6月28日。

library(plyr)
library(dplyr)
library(choroplethr)
library(choroplethrMaps)
library(ggplot2)
library(dummies)

players_stat <- read.csv('players_stats.txt',sep = ";",header = TRUE)
players_stat$Team <- tolower(players_stat$Team)
team_stat <- read.csv('team_stats.txt' ,sep = ";",header = TRUE)
names(team_stat)[1]<- "Team"
team_stat$Team <- tolower(team_stat$Team)
possession_stat <- read.csv('possession.txt', sep = ";",header = TRUE)
names(possession_stat)[1]<- "time"
possession_stat$team <- tolower(possession_stat$team)

哪个队犯规最多？

    我们运用地图可视化方法来展示。会用到choroplethr包中的country_choropleth()函数。choroplethr包是绘制等值线图的包，可help查看其用法。首先让我们看看各个队犯规情况。

by_team <- group_by(players_stat,Team)
team_sums <- summarise(by_team,sum(Yellow.Cards),sum(Red.Cards),sum(Fouls.Committed),sum(Fouls.Suffered))
team_sums

fouls_data <- data.frame("region" = team_sums$Team,"value" = team_sums$`sum(Fouls.Committed)`)
# plotfouls_plot <- country_choropleth(fouls_data,title = "number of Fouls Committed by region",legend = "# fouls",num_colors = 1) +xlim(-31.266001, 39.869301) +ylim(27.636311, 81.008797) +coord_map("lambert", lat0 = 20, lat1 = 88)
fouls_plot

   由图可以发现罗马尼亚应该是“最暴力”的球队了，让我们再拿犯规的红黄牌barplot来看个究竟。

ggplot(team_sums,aes(x = Team,y = `sum(Yellow.Cards)`, fill = `sum(Yellow.Cards)` )) +

  geom_bar(stat = 'identity') +

  coord_flip()

    确实，罗马尼亚和阿尔巴尼亚黄牌数“数一数二”。而红牌数只有阿尔巴尼亚和奥地利获得。而纵观所有数据，可以确定罗马尼亚和阿尔巴尼亚应该是目前为止欧洲杯上“最粗暴的球队了”。

犯规次数多是否可以帮助赢得比赛呢？

    为了回答这个技术问题，我们尝试绘制犯规总次数与球队赢球的散点图，来直观看看二者关系：

ggplot(team_stat,aes(x = team_sums$`sum(Fouls.Committed)`,y = team_stat$Wins, label = Team)) + 

  geom_point() +

  geom_text(nudge_y = 0.1) +

  geom_smooth(method = 'lm', formula = y~x)

   由图可以看出，似乎犯规越多球队取胜的次数越少，但好像由于冰岛这个极值的影响，使得回归模型出现了偏移。我们删除这个高杠杆值后，再来绘图。

team_stat2 <- team_stat[team_stat$Team != "iceland",]team_sums2 <- team_sums[team_sums$Team != "iceland",]ggplot(team_stat2,aes(x = team_sums2$`sum(Fouls.Committed)`,y = team_stat2$Wins, label = Team)) + 

  geom_point() +

  geom_text(nudge_y = 0.1) +

  geom_smooth(method = 'lm', formula = y~x)

    这回我们发现其实犯规次数与是否赢球基本无相关关系。让我们再来考虑一个似乎合情合理的假设：犯规可减少失球率。

犯规次数多点是否可以减少失球率呢？

还是拿数据说话，绘制犯规次数与失球率的散点图：

ggplot(team_stat,aes(x = team_sums$`sum(Fouls.Committed)`,                       y = team_stat$Total.goals.against, label = Team)) +

  geom_point() +

  geom_text(nudge_y = 0.1) +

  geom_smooth(method = 'lm', formula = y~x)

  最后图形的结论与我们的假设基本一致，犯规次数与失球率呈负相关，犯规越多，失球越少。似乎也是有道理的，大量的犯规使一些威胁球得到化解。

说明

本文是对Andrea Cirillo：Euro 2016 analytics: Who’s playing the toughest game?的部分进行了翻译,仅供学习和参考。

• Euro 2016 analytics: Who’s playing the toughest game? http://datascienceplus.com/euro-2016-analytics-whos-playing-the-toughest-game/