축구 데이터 - 1. 순위가 높은팀과 낮은팀 끼리의 승패

import pandas as pd

df = pd.DataFrame({'Team_Name':["맨시티", "맨유","리버풀","첼시","레스터","웨스트햄","토트넘","아스널",
                               "리즈","에버튼","아스톤빌라","뉴캐슬","울버햄튼","크팰","소튼",
                               "브라이튼","번리","풀럼","웨스트브롬","셰필드"],
                   'Normal':[24,16,17,16,19,21,20,20,19,14,18,17,16,19,16,12,17,20,20,27],
                   'Exp':[7,9,11,11,12,8,9,10,13,15,11,11,11,9,14,11,11,4,6,7],
                   'Draw':[5,11,9,10,6,8,8,7,5,8,7,9,9,8,7,14,9,13,11,2],
                   'Same_Level':[1,1,0,0,0,0,0,0,0,0,1,0,1,1,0,0,0,0,0,1]
                    })
df['Round'] = df['Normal'] + df['Exp'] + df['Draw'] + df['Same_Level']
df['Normal_Rate'] = df['Normal'] / df['Round']
df['Exp_and_Draw_Rate'] = ( df['Exp'] + df['Draw'] ) / df['Round']
df

	Team_Name	Normal	Exp	Draw	Same_Level	Round	Normal_Rate	Exp_and_Draw_Rate
0	맨시티	24	7	5	1	37	0.648649	0.324324
1	맨유	16	9	11	1	37	0.432432	0.540541
2	리버풀	17	11	9	0	37	0.459459	0.540541
3	첼시	16	11	10	0	37	0.432432	0.567568
4	레스터	19	12	6	0	37	0.513514	0.486486
5	웨스트햄	21	8	8	0	37	0.567568	0.432432
6	토트넘	20	9	8	0	37	0.540541	0.459459
7	아스널	20	10	7	0	37	0.540541	0.459459
8	리즈	19	13	5	0	37	0.513514	0.486486
9	에버튼	14	15	8	0	37	0.378378	0.621622
10	아스톤빌라	18	11	7	1	37	0.486486	0.486486
11	뉴캐슬	17	11	9	0	37	0.459459	0.540541
12	울버햄튼	16	11	9	1	37	0.432432	0.540541
13	크팰	19	9	8	1	37	0.513514	0.459459
14	소튼	16	14	7	0	37	0.432432	0.567568
15	브라이튼	12	11	14	0	37	0.324324	0.675676
16	번리	17	11	9	0	37	0.459459	0.540541
17	풀럼	20	4	13	0	37	0.540541	0.459459
18	웨스트브롬	20	6	11	0	37	0.540541	0.459459
19	셰필드	27	7	2	1	37	0.729730	0.243243

• 순위가 높은 팀과 낮은 팀의 normal , exp , draw , same_level에 대한 데이터 프레임
• normal_rate 의 경우 각 팀별로 얼마나 normal한 경우가 나왔는지 알아볼 수 있도록 normal 빈도 / 전체 라운드수
• exp_and_draw_rate 의 경우 각 팀별로 normal 하지 않은 경우가 얼마나 나왔는지 알아볼 수 있도록 함
• draw의 경우 normal한 상황으로 볼 수도 있고 , exp한 상황으로 볼 수도 있기에 분리해서 처리함

---

df_sort_by_rate = df.sort_values(by=['Normal_Rate'], axis=0, ascending=False)
df_sort_by_rate

	Team_Name	Normal	Exp	Draw	Same_Level	Round	Normal_Rate	Exp_and_Draw_Rate
19	셰필드	27	7	2	1	37	0.729730	0.243243
0	맨시티	24	7	5	1	37	0.648649	0.324324
5	웨스트햄	21	8	8	0	37	0.567568	0.432432
6	토트넘	20	9	8	0	37	0.540541	0.459459
7	아스널	20	10	7	0	37	0.540541	0.459459
18	웨스트브롬	20	6	11	0	37	0.540541	0.459459
17	풀럼	20	4	13	0	37	0.540541	0.459459
13	크팰	19	9	8	1	37	0.513514	0.459459
4	레스터	19	12	6	0	37	0.513514	0.486486
8	리즈	19	13	5	0	37	0.513514	0.486486
10	아스톤빌라	18	11	7	1	37	0.486486	0.486486
16	번리	17	11	9	0	37	0.459459	0.540541
2	리버풀	17	11	9	0	37	0.459459	0.540541
11	뉴캐슬	17	11	9	0	37	0.459459	0.540541
12	울버햄튼	16	11	9	1	37	0.432432	0.540541
14	소튼	16	14	7	0	37	0.432432	0.567568
3	첼시	16	11	10	0	37	0.432432	0.567568
1	맨유	16	9	11	1	37	0.432432	0.540541
9	에버튼	14	15	8	0	37	0.378378	0.621622
15	브라이튼	12	11	14	0	37	0.324324	0.675676

df_sort_by_rate 의 경우 , normal_rate 순으로 정렬한 데이터 프레임이다.
각 팀별로 각각 0.73 ~ 0.32 사이의 rate를 가지는 것을 볼 수 있다.

---

df_sort_by_rate2 = df.sort_values(by=['Exp_and_Draw_Rate'], axis=0, ascending=False)
df_sort_by_rate2

	Team_Name	Normal	Exp	Draw	Same_Level	Round	Normal_Rate	Exp_and_Draw_Rate
15	브라이튼	12	11	14	0	37	0.324324	0.675676
9	에버튼	14	15	8	0	37	0.378378	0.621622
3	첼시	16	11	10	0	37	0.432432	0.567568
14	소튼	16	14	7	0	37	0.432432	0.567568
1	맨유	16	9	11	1	37	0.432432	0.540541
2	리버풀	17	11	9	0	37	0.459459	0.540541
16	번리	17	11	9	0	37	0.459459	0.540541
12	울버햄튼	16	11	9	1	37	0.432432	0.540541
11	뉴캐슬	17	11	9	0	37	0.459459	0.540541
10	아스톤빌라	18	11	7	1	37	0.486486	0.486486
8	리즈	19	13	5	0	37	0.513514	0.486486
4	레스터	19	12	6	0	37	0.513514	0.486486
18	웨스트브롬	20	6	11	0	37	0.540541	0.459459
7	아스널	20	10	7	0	37	0.540541	0.459459
13	크팰	19	9	8	1	37	0.513514	0.459459
6	토트넘	20	9	8	0	37	0.540541	0.459459
17	풀럼	20	4	13	0	37	0.540541	0.459459
5	웨스트햄	21	8	8	0	37	0.567568	0.432432
0	맨시티	24	7	5	1	37	0.648649	0.324324
19	셰필드	27	7	2	1	37	0.729730	0.243243

df_sort_by_rate2 의 경우 , exp_and_draw_rate를 기준으로 정렬한 데이터 프레임이다.
이 역시 위와 같이 0.73 ~ 0.32 사이의 rate를 가지고 있는 것을 볼 수 있다.

---

import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib notebook

plt.xticks(rotation = -45)
sns.barplot(data=df_sort_by_rate, x="Team_Name", y="Normal_Rate")
plt.show()

normal_rate 가 높은 팀

• 해당 시즌의 1등 팀인 맨시티와 20등인 셰필드가 가장 normal_rate가 높음을 볼 수 있다.
• 두팀 모두 1등과 20등을 유지한 기간이 높고 , 해당 등수에 따라서 normal_case의 승리와 패배를 많이 하였기에 normal_rate가 높다
• normal_rate 상위 팀들을 살펴보면 웨스트햄 , 토트넘 , 아스널 이다.
• 3팀 모두 0.54 ~ 0.56 사이의 비율을 보여주고 있다.

normal_rate 가 낮은 팀

• normal_rate가 낮은 하위 두 팀은 브라이튼 , 에버튼 이다.
• 브라이튼의 경우 normal_rate가 특히 낮은데 , 약 0.32로 20팀들중 가장 낮다.
• 브라이튼의 경우 0.32 이므로 약 12 경기만 순위에 알맞은 결과를 내었다.
• 브라이튼의 나머지 25 경기는 본인 순위보다 낮은 팀에게 무,패를 기록하거나 , 본인 순위보다 높은 팀에게 승리한 경기이다.

---

df["Normal_Rate"].mean()

0.49729729729729727

normal_rate의 평균은 약 0.497 로 절반에 못미치게 나왔다.
EPL 20/21 시즌의 경우 순위가 높은 팀이 순위가 낮은 팀을 이긴 경우는 전체에 비해 약 49.7% 이다.

---

import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib notebook

plt.xticks(rotation = -45)
sns.barplot(data=df_sort_by_rate2, x="Team_Name", y="Exp_and_Draw_Rate")
plt.show()

df["Exp_and_Draw_Rate"].mean()

#0.49 -> 이역시 49퍼센트 정도의 확률

0.49459459459459476

Exp_and_Draw_rate 의 경우

• 위의 exp_and_draw_rate의 경우도 normal_rate와 거의 흡사한 모습을 보인다.
• same_level 즉 , 같은 순위의 팀들끼리의 경기가 normal_rate , exp_and_draw_rate 에서 모두 제외되었으므로 normal_rate 의 순위와 조금 다른 것을 제외하면 normal_rate의 결과와 거의 같다.

exp_and_draw_rate의 평균은 약 0.494로 normal_rate와 비슷하게 나왔다.
EPL 20/21 시즌의 경우 순위가 높은팀이 순위가 낮은 팀을 이기지 못한 경우는 전체에 비해 약 49.4% 이다.