Cara membuat grafik kemajuan xG menggunakan Python

Programming

[ad_1]
Selamat datang Sahabat di suratpembaca.web.id. Dalam kesempatan ini kita akan mengupas tentang Linux yakni Cara membuat grafik kemajuan xG menggunakan Python

.

Mudah-mudahan artikel tentang Cara membuat grafik kemajuan xG menggunakan Python

dapat memberikan faedah bagi Teman-teman semua. Mari baca postingan ini
hingga selesai.

Mendongeng sepak bola dengan data.

Foto oleh Nathan Rogers di Unsplash

Sepak bola terkadang merupakan permainan yang tidak adil. Jika Anda menonton pertandingan Piala Dunia antara Jerman dan Korea Selatan, Anda akan terkejut bahwa Jerman kalah dalam pertandingan itu dan tidak bisa maju ke babak berikutnya. Dan ketika kita melihat tujuan yang diharapkan dari kedua tim (xG), kita bisa melihatnya lebih menyakitkan.

Berapa target yang diharapkan (xG)? Nilai xG adalah probabilitas mengubah tembakan menjadi gol. Jika nilainya mendekati 1, kemungkinan besar akan menjadi target. Faktor yang menentukan nilai ini antara lain jarak, sudut, jumlah pemain di depan penembak, dan sebagainya.

Pada artikel ini, saya akan menunjukkan cara membuat grafik kemajuan xG menggunakan Python. Tanpa perkenalan, mari kita mulai!

Sumber data

Untuk sumber data, kami menggunakan data StatsBomb terbuka. StatsBomb menyediakan data terbuka yang dapat kita gunakan untuk memperkuat keterampilan analisis sepakbola kita.

Data ini berisi data event-event kompetitif seperti Liga Champions, Piala Dunia, Euro 2020 dan lain sebagainya. Untuk lebih jelasnya, Anda dapat membacanya melalui tautan di sini.

Rencana aksi

Kita perlu melakukan beberapa langkah untuk mengimplementasikan grafik kemajuan xG. Langkah-langkah tersebut adalah:

  • Temukan datanya
  • Siapkan datanya
  • Visualisasikan datanya

Temukan datanya

Untuk artikel ini, kami akan menggunakan data pertandingan Piala Dunia FIFA 2018 antara Korea Selatan dan Jerman.

Karena StatsBomb menawarkan banyak kecocokan dan data dibagi menjadi beberapa file JSON, kita perlu menemukan nama file data.

Pertama kita perlu membuka file kompetisi .json untuk mengambil kuis dan ID musim. Berikut adalah kode untuk melakukan ini:

Seperti yang Anda lihat di atas, kompetisi dan pengidentifikasi musim masing-masing adalah 43 dan 3.

Sekarang langkah selanjutnya adalah mengambil ID kecocokan dari kecocokan tersebut. Untuk memudahkan proses pencarian kami, kami menyaring data yang menempatkan Korea Selatan sebagai pesaing. Berikut adalah kode untuk melakukan ini:

Dari hasil diatas terlihat bahwa match ID pertandingan Korea Selatan vs Jerman adalah 7567.

Kita sekarang dapat menggunakan pengidentifikasi sebagai nama file untuk data acara. Mari kita buka data menggunakan baris kode ini:

Siapkan datanya

Kami ingin memetakan kemajuan xG dan datanya belum sepenuhnya siap. Jadi kita perlu beberapa langkah untuk mempersiapkan data. Pertama-tama kita harus menyaring data yang berisi peristiwa pemotretan. Berikut adalah kode untuk melakukan ini:

Setelah memfilter data, langkah selanjutnya adalah menangkap kolom minat. Kolom-kolom ini adalah cap waktu, periode yang diwakili oleh setengah, menit bermain, nama hasil dan nilai xG dari StatsBomb. Berikut adalah kode untuk melakukan ini:

Seperti yang Anda ketahui, babak sepak bola tidak berakhir pada menit ke-45, jadi Anda harus melanjutkannya hingga waktu cedera. Untuk alasan ini, kemungkinan waktu akan tumpang tindih dengan babak kedua. Oleh karena itu, kita perlu membuat pengenal baru untuk menandai waktu.

Kita dapat melakukan ini dengan menggabungkan menit titik dan kolom. Misalnya, ada tembakan di menit ke-47 babak pertama. Oleh karena itu, pengidentifikasi akan menjadi 1-47. Berikut adalah kode untuk melakukan ini:

Karena kita ingin mengetahui progres masing-masing tim di xG, langkah selanjutnya adalah menghasilkan jumlah kumulatif nilai xG masing-masing tim.

Untuk menghasilkan nilai, kita dapat mengelompokkan data berdasarkan nama tim dan menggabungkannya menggunakan fungsi cumsum. Berikut adalah kode untuk melakukan ini:

Setelah mengumpulkan data, langkah terakhir adalah mengurutkan data berdasarkan periode dan menit. Berikut adalah kode untuk melakukan ini:

Visualisasikan datanya

Akhirnya, kita dapat memvisualisasikan grafik kemajuan xG. Kami akan menggunakan seaborn untuk memvisualisasikan grafik dan matplotlib untuk meningkatkan visualisasi. Berikut adalah kode untuk melakukan ini:

Jadi, apa yang bisa kita simpulkan dari grafik? Kami melihat bahwa Jerman telah menciptakan banyak peluang sejak babak pertama. Namun sayang mereka tidak bisa menjadikannya gol. Karena xG mereka lebih dekat ke 3, itu berarti kinerja mereka buruk.

Sedangkan Korsel belum banyak menciptakan peluang sejak dibom pemain Jerman. Namun, akhirnya mereka mampu berakselerasi untuk menembus pertahanan Jerman. Dan Jerman tidak maju ke tahap berikutnya untuk pertama kalinya sejak 1938.

Demikian postingan tentang Cara membuat grafik kemajuan xG menggunakan Python

, terimakasih telah mengunjungi website saya, semoga postingannya ada manfaatnya ya.

[ad_2]

Source link

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan.