sajacaros / eda_champions

eda_champions

목표

• 특정 선수의 스텟 확인 및 평균과의 비교

crawling

• 1xbet
  • player's stats
• understat
  • player's stats
• capology
  • player's salary
• spotrac
  • player's salary

feature engineering

• player
  • 크롤링한 데이터로부터 player 데이터 생성
• 나이 레벨링
  • 나이를 레벨링 데이터로 변환
  • order를 주기위해 타입을 Category로 변경

age_order = ['<21', '21', '22', '23', '24', '25', '26', '27', '28', '29', '30', '31', '32', '32<']

결측 데이터

• player와 데이터 결합시 결측률 30%를 넘음
  • 이름의 변환
    • 영어 이름이 아닌 경우 영어로 변환
    • 성과 이름의 어순이 바뀐 경우 통일되도록 수정
    • 불필요한 이름 데이터 처리(ex> 괄호)
  • 추가적인 연봉 데이터 수집(capology 크롤링 추가)
• 위의 작업을 통해 데이터 결합시 결측률 3%를 기록함
  • 나머지 데이터는 버림

데이터 분석

• 포지션별 중요 스텟 파악

'General': ['ADJ Salary', 'Apps', 'Min'],
'Forward-o': ['G', 'xG', 'NPG', 'A', 'xA', 'Drb_Off'],
'Forward-d': ['Tackles', 'Inter'],
'Midfielder-o': ['G', 'xG', 'A', 'xA', 'xGBuildup', 'KeyP', 'Drb_Off', 'AvgP', 'PS%'],
'Midfielder-d': ['Tackles', 'Inter', 'Clear', 'Blocks'],
'Defender-o': ['G', 'xG', 'A', 'xA', 'xGBuildup', 'AvgP', 'PS%'],
'Defender-d': ['Tackles', 'Inter', 'Clear', 'Blocks', 'Drb_Def'],
'Goalkeeper-o': ['xGBuildup', 'AvgP', 'PS%'],
'Goalkeeper-d': ['Tackles', 'Inter', 'Clear', 'Blocks', 'Drb_Def']

• 선수의 스텟간 분포 분석
• 나이 레벨에 따른 같은 포지션의 선수들 평균과 비교
• 선수의 년도에 따른 포지션 변화 분석
• 선수와 비슷한 스타일 분석

시각화

• 웹을 통해 선수 검색 및 분석 결과 제공

기타

• 용어 사전 제공

설치

pip install dash
pip install dash-bootstrap-components
pip install numpy
pip install pandas
pip install seaborn
pip install scikit-learn

실행

python eda_project.py

참고 문서

• plotly
  • line charts
  • histogram
  • distplot
  • box plot
• dash-bootstrap-components
• Plotly Tutorial - wikidocs
• pep-0008