前锋python入门到精通_武磊离顶级前锋到底有多远？Python实战分析告诉你

导读

随着疫情逐渐淡去，足球热度不断复燃。主流联赛尽已重启，英超、西甲冠军也相继提前出炉，欧洲五大联赛也只剩意甲还留有悬念尤文夺冠。作为一名多年伪球迷，在欢喜皇马时隔3年重夺联赛第34冠、尤文争冠形势一片大好之余，也不禁为武磊现东家(西班牙人俱乐部)以西甲副班长身份降级而感到惋惜。所以，本文就用python分析一下，武磊离顶级前锋还有多远？

谨以此文祝贺皇马力夺34冠

01 数据获取及分析框架

获取球员数据的渠道有多种，比如德国转会市场

(https://www.transfermarkt.de/)

、足球最大移动平台懂球帝等，都可以获得实时更新和较为完整的数据。但考虑抓取难度，笔者寻找了一个简单而又不失权威的足球运动员数据平台——PES官方数据库。PES作为最经典的足球游戏之一，其数据一般源于官方授权，虽然更新不够及时，但好在其获取极其简单(有分页的json API)、对于爬虫初学者来说十分友好，更重要的是无需考虑反爬问题。

PES 2020 数据库

简单分析网页请求API后，可以得到数据库获取的json接口，共752页1.5W余名足球运动员信息，每个球员共30余个特征信息，除去例如球员姓名、国籍等基本属性外，影响球员能力的特征也有20+，值得分析的切入点有许多，但限于篇幅和兴趣点：本文主要分析框架如下：

基本概况分析，重在探索宏观画像

球队级：大洲、国籍、联赛、球队

球员级：年龄、惯用脚、星级、评分、BMI、位置

主流联赛球员分布

主流联赛球员评分

球员个体排行榜："各类"榜首球员

世界足坛超巨

各位置TOP 5

足坛老妖

潜力小妖

六边形战士

玻璃人超巨

借助机器学习，球员属性信息挖掘

回归问题：球员评分

分类问题1：球员星级

分类问题2：球员位置

聚类问题：武磊与顶级前锋的差距

注：本文数据均源于PES2020，所有分析观点和结论仅供参考。文末提供源代码和数据文件获取方式。

02 基本概况分析

为了从宏观上了解当前主流联赛现役球员情况，首先从以下4个维度给出球员分布：

球员宏观分布

从中可以得出以下几个鲜明结论：

大洲层面：欧洲产出足球运动员最多，占一半以上；其次为南美洲，也超过了1/4

国家层面，巴西是当之无愧的足球王国，遥遥领先于世界其他各国；相比之下，同为拉美足球大国的阿根廷则要逊色不少，略低于西、法两国，同时意大利、英格兰和荷兰也悉数入选TOP10，但德国可能是由于PES授权的原因而未进入前10榜单；同时令人欣喜的是，中国和泰国也均以贡献球员400+的喜人数据上榜(这可能和PES取得相应联赛授权有直接关系)；

俱乐部层面，分别分析了球员人数和球员平均评分的直方图分布，基本呈现正态分布，并无更多实质信息量

其次，分析球员的基本属性(画像)，主要是关注了球员的自然属性和评分问题。

球员基本属性

从球员的基本属性来看：

足球运动员的职业生涯覆盖15—40+，对于足球这种高对抗运动，能踢到40+已经算是不老神话了

球员BMI分布呈现方差较小的正态分布(体现为密度曲线高瘦，说明足球运动员身材都比较标准)，考虑标准体型的BMI范围一般为18.5—23.9，所以更为strong的球员不再少数，当然也不排除低级别联赛一些虚胖而非strong的个体存在(BMI指标由身高和体重数据计算得来)

惯用脚方面，明显是右脚居多；球员位置仍然是传统角色居多，影锋、边前卫可能更多是出于阵型排布和战术考量而没有广泛存在

球员评分方面，目前PES中评分与星级的对应关系是：85+：5星，80-84：4星，75-79：3星，70-74：2星，<70：1星。观察各星级球员数量占比，基本呈现金字塔分布。

接下来，运用炫酷的桑基图展示主流联赛球员来源情况。这里，除了西英意法4大联赛球队信息完整外，德甲仅有几支顶尖俱乐部入选，并和其他几支欧洲强队以"欧洲其他球队"的联赛标签列入其中。同时，为了了解中超情况，也将中超联赛一并列入进行分析。

可能华而不实的桑基图

毫无疑问，欧洲主流联赛球员仍然是主要来自欧洲国家，这当然与俱乐部对外援数量限制(欧盟国家不占用外援名额)有关，但也不可否认的是欧洲足球的顶级水平。同时，南美和非洲也为五大联赛贡献了不少球员，包括巴萨曾经的三叉戟MSN(目前N已效力于法甲大巴黎)均来自南美国家，英超新贵利物浦的2名主力前锋萨拉赫和马内则都来自于非洲。另外，亚洲近年来也向欧洲输出了不少球员，包括亚洲一哥孙兴民、中超代表武磊等，其中孙兴民是PES2020中唯一一位亚洲籍5星球员。

下面的箱线图更能清晰表达几大联赛球员水平现状，通过整体分布区间、均值和极值来看，联赛水平排名应该是：西甲-英超-意甲-法甲-其他欧洲球队(含德甲几支强队)-中超。

几大联赛球员评分分布

另外，注意到西意法和其他欧洲球队均有一个评分超过90的极值点，盲猜应该分别是巴萨的梅西、尤文的C罗、巴黎的内马尔以及拜仁的莱万，这也基本代表了当今足坛的顶级前锋TOP4。

03 球员个体分析

前面是对球员整体进行了宏观分析，接下来主要聚焦于球员个体能力指标对比排名。

首先亮出当今世界足坛顶级球星(评分>90)：

球员基本信息如下：

足坛八大顶级巨星(评分90+)

顶级超巨评分均在90+，需要说明的是90+评分在PES2020中已经算是绝对顶尖的水平了，一共仅有19名球员评分在90以上(即另有评分90的球员11人，包括拉莫斯、姆巴佩、丁丁、格列兹曼、萨拉赫等)。虽然姆巴佩算得上是十足的年少有为，内马尔、阿扎尔、阿里松也都处于职业黄金巅峰，但我们仍然要感慨于梅罗居然能以如此"高龄"持续统治世界足坛十余年，真是绝代双骄了。

再来依据位置细分排行榜。这里，区分前中后三条线和门将共4类位置对球员进行简单归并，并各取TOP5。得到如下榜单：

4条线TOP5

分位置来看，进入榜单的也都毫无意外，均是各俱乐部的铁打主力。不过如果说有哪个名字生疏的话，那不勒斯中卫库利巴利可能因为俱乐部原因而知名度略低一些。

梅罗以如此高龄统治足坛十余年，然而还有比其更为传奇的足坛不老神话，堪称是足坛老妖。比如，这位瑞典神塔伊布拉希莫维奇， 38岁高龄依然享有5星待遇。

5星中的34岁+球员仅有7位，都是传奇

如果说仅凭星级和年龄来评定足坛老妖还不够权威公允的话，那么定义老妖指数=评分*年龄，并遴选老妖指数TOP10的球员，会发现有

比伊布还要

更为传奇的面孔——布冯！

虽然岁月已不允许他继续以5星闪耀世界，但却没人会质疑他占据足坛老妖榜首的资格。此外，

伊布、C罗则仍然进入榜单前5

，足以证明其活化石能力；而巴萨前中场大脑哈维在这份榜单中排行第7位，但其真实身份已是阿尔萨德俱乐部教练。

老妖指数old_index=评分*年龄

英雄不问出处、成名不论岁数，足坛更能吸引世人眼球和撬动资本市场的实际上当属那些足坛小妖，或者称其为潜力股。几年前，初露锋芒的姆巴佩就是以这样的身份展现在世人面前，直至随法国队豪夺18年世界杯冠军正式证明自己，而不再仅仅是球迷口中的"妖人"。当然，

姆巴佩之后

足坛妖人也是从来不缺少后浪的

，比如：

5星中的U22球员已有8位，大多跨入豪门

与此同时，类似老妖指数，这里也给出相近的小妖指数定义：小妖指数=评分/年龄，仍然遴选TOP10，得到如下排行榜：

小妖指数young_index=评分/年龄

排在榜首的是一名15岁的智利球员，效力于本国甲级联赛，但其夺魁更多是出于年龄优势的加持，潜力和成长空间还仍需考证。相比之下，更值一提的是尤文的德里赫特、皇马的巴西小将双子星(维尼修斯和罗德里戈，均为00后)，尤其是德里赫特能以20岁的年纪获得5星中卫评级，实属难得。

除了单属性巨星外，现代足球也需要全能型球员，号称绿茵场上的"六边形战士"——除了门将位置其他都能踢。为了找出这些足坛中的六边形战士，类似电商会员价值分析中的RFM模型，选定如下指标计算球员的六个维度指数：

传球：地面传球+高空传球+定位球

盘带：控球+盘带

速度：速度

身体：耐力+协调+弹跳+抗伤指数+身体接触

防守：防守+抢断+解围

射门：射门+头球

在此基础上，当球员的某个维度能力值高于所有球员均值时计为1，否则计为0。当在6个维度上均高于相应均值时，累计6星并达成六边形战士。遴选六变形战士中的评分TOP10球员，制作相应雷达图如下：

十大六边形战士能力雷达图(后卫超半席)

最后，我们再关注一项有趣的数据：足坛那些饱受伤病困扰的巨星。提到伤病对职业生涯的影响，可能大罗很有发言权：纵然其职业生涯不可谓不光彩、先后效力西甲和意甲死对头豪门

(皇马vs巴萨、米兰vs国米)

、个人和集体荣誉无数，并一度被誉为是贝利和马拉多纳之后球王第三人，但也不得不感慨伤病对其职业巅峰的巨大影响。放眼当下足坛，虽然医疗水平和饮食科学与日俱增，但饱受伤病困扰的巨星仍不在少数。基于数据库中的抗受伤指数信息，筛选最容易受伤的巨星TOP10，得到如下结果：

足坛10大玻璃人巨星

然而，可能是由于该指数区分度较低(PES数据中该字段仅有1、2、3三种取值，数值越高越不易受伤)，所以有些球星与现实中的表现并不大一致，例如本泽马、克罗斯目前都是皇马出勤率超高的球员；而"知名玻璃人"也不再少数，例如贝尔、蒂亚戈、罗伊斯，毫不夸张的讲，倘若没有伤病困扰，他们当前的足坛地位会高出许多！

从这个角度讲，像梅罗这样天赋出众、不易受伤、巅峰期超长的巨星真称得上是多年难遇。

04 机器学习筛选

数据记录数量充足，特征又如此丰富，不拿来跑几个机器学习模型岂不可惜！

这一部分主要从3个角度展开分析，分别属于机器学习中的3类主流问题：

球员能力分析：

回归问题：以球员能力作为训练特征、球员评分作为回归变量，分析球员的机器学习评分(以下简称ML评分)和PES评分差值

分类问题：仅以星级来衡量球员能力，并以此作为分类标签，执行分类任务

进一步地，以机器学习模型得到的ML评分和星级作为球员"真实能力"，对比PES评分和星级，分析那些被PES高估和低估的球员；

球员位置预测：这也是一个分类任务，但考虑分类的难度和准确率，对球员担任角色区分前中后场和门将4类位置，构造一个4分类任务，探索"职能不符"或者"不务正业"的球员

球员聚类分析，基于物以类聚人以群分的思想，重点探索PES中哪些球员和武磊更为"相近"。了解一个人的价值、可以看他与何人为伍。所以，分析武磊和哪些球员聚类在一个簇，一定程度上可以管窥武磊在足坛的地位和水平。

上述机器学习模型中，回归和分类任务均调用随机森林模型，且未进行任何特征工程和优化调参；聚类任务则是在执行归一化处理后调用K均值聚类模型，并以轮廓系数作为度量指标选择最优簇数。

首先来看球员能力分析方面。

以球员评分作为预测值，执行随机森林回归后，得到R2评分为0.95，具有较好的学习效果。基于此模型，将ML评分和PES评分做差，得到被PES高估

(PES评分高于ML评分)

和低估

(PES评分低于ML评分)

的十大球员分别是：

【评分】十大高估球员：豪门溢价导致"高分低能"

【评分】十大低估球员：低级别联赛限制了身价

类似地，调用随机森林分类模型对球员星级进行预测，得到最后准确率评分0.88，略显偏低。以此模型对所有球员进行星级预测，并与PES给出的星级对比，分别得到如下结果：

【星级】十大高估球员：全部是欧洲豪门球员

【星级】十大低估球员：多为二线球队球员

通过以上两个模型训练和预测结果分析，最直接的结论是：

平台很重要

，豪门俱乐部和不知名球队对于球员的能力评分可能带来很大的反差：豪门带来的是"溢价"、不知名球队则可能造成"贬值"

估计被模型

黑的最惨的两个球星当属曼城门将埃德森和尤文中锋伊瓜因了

，前者在评分中贬值近8分，按照星级划分规则直接5星变4星；后者则干脆在星级预测中5星变3星。

从另一个角度来看，

那些PES评分较低而ML评分更高的球员，则可能是足坛潜力股，一旦得到豪门青睐补齐球队劣势因素则可能声名鹊起、名声大噪！

接下来通过球员位置分类模型，分析哪些球员可能"职能不符"或者"不务正业"。

仍然是调用随机森林分类模型，对所有球员执行4分类任务，得到分类准确率评分0.9，学习效果可以接受。给出混淆矩阵结果，以期直观探索各类型球员位置预测错误情况：

球员预测结果混淆矩阵

左侧索引为真实位置、上方列名为预测位置

容易发现：

门将位置球员无一错误

(号称门卫的诺伊尔呢)

，均得到了正确的位置预测，看来门将的属性与其他三类球员特征有着明显区分，不易混淆

中场球员是被预测错误最多的位置，且雨露均沾的被错误预测到前场和后场的球员样本分别有70次和129次，这不足为奇：一方面与球员自身能力特点有关，比如边前卫和边锋属性更为相近、前腰和影锋也有很多属性共同点，后腰更是常常能客串中卫的角色；另一方面则是由于PES数据库本身标签定位问题，例如皇马新星阿森西奥被标为左前卫，但实际更像是一个边锋角色；

后场球员被分错位置的样本中，绝大多数是预测成了中场，而仅有3例是被判成了前锋

(看了记录，居然没有拉莫斯！)

前场球员有着相似效果，在预测错误的样本中绝大多数被判为中场，而仅有5例是前场预测成了后场，这该是有多么偏爱防守的前锋啊

给出预测位置与实际位置不符的十大巨星：

十大"职能不符"巨星，均在"合理"范围之内

最后，运用聚类模型，对与武磊同位置(左边锋)球员样本执行聚类任务，以便了解武磊在左边锋队伍中到底属于什么水平，与左边锋中的顶级巨星(以C罗、内马尔、阿扎尔为代表)又有多大差距。

经过简单的聚类训练后

(以轮廓系数作为评价指标，但得分整体处于较低水平)

，设置K均值聚类参数n_clusters=5，并对各簇球员平均分进行可视化如下：

5簇球员平均评分：武磊在簇"1"中，以微弱劣势处于第三

与武磊同伍的那些左边锋们

整体来看，与武磊在同一聚类的左边锋球员队伍中，评分大多处于80分左右(对应3-4星球员)，知名度方面也并没有特别突出的球员。

最后，遴选左边锋位置比较重要的两项能力——速度和射门，制作散点图如下：

武磊与5星左边锋队伍差距依然很大

显然，仅就速度和射门两项属性来看：武磊在速度上占据一定优势，甚至超过部分5星左边锋，但射门属性上却相去甚远，一定程度上可以反映武磊当前在足坛的地位和水平，更重要的还有很多其他能力属性也有差距。武磊当前所处的境地，可能也正是国内足球现状的一个缩影！

05 后记

本文以PES2020球员数据库作为数据源，主要完成球员宏观分布情况、球员个体排行榜以及机器学习模型下的球员属性分析，得到了一些有意义的结论，对于足球爱好者来说也能称得上有趣。

同时，后续可能的优化思路是：

数据侧：

横向扩充样本数量

，例如可以从德国转会市场API中获取更多在役球员和俱乐部数据；

纵向增加特征数据

，例如补充球员实时表现数据，包括进球、助攻、传球等关键数据

算法侧：本文所用到的分析模型均选择了最为基础的机器学习模型，后续

可考虑进行模型调参和多模型对比

，应用优化后的模型预测结果进行分析更有价值

分析侧：数据体量较大，所以可分析的切入点还有很多，例如

可以面向俱乐部构建能力评价指标

(例如球队六边形、潜力指数等)，查看俱乐部的能力水平；补充历年历史数据，

利用时间序列模型分析球员能力增长属性和升值空间

等

最后再次指出，受限于数据准确度和时效性等因素，本文所有分析观点和结论仅供参考娱乐，不足以说明任何实质结论。