python案例如何利用友谊赛数据做预测？

本文目录导读：

1. 场景设定
2. 数据准备
3. 数据预处理与特征工程
4. 模型训练
5. 特征重要性分析
6. 预测下一场比赛
7. 模型对比与优化
8. 结果可视化
9. 保存模型与部署
10. 关键要点
11. 优化建议

我来给你分享一个使用Python分析友谊赛数据并进行预测的完整案例。

场景设定

假设我们有一支足球队的友谊赛数据，需要预测下一场比赛的结果，数据包括：对手实力、主场/客场、天气、进球数等。

数据准备

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import accuracy_score, classification_report
import warnings
warnings.filterwarnings('ignore')
# 创建示例数据（模拟10年的友谊赛记录）
np.random.seed(42)
# 生成示例数据
n_matches = 500
data = {
    '对手排名': np.random.randint(1, 50, n_matches),  # 1-50名
    '主场': np.random.choice([0, 1], n_matches),       # 0=客场, 1=主场
    '天气': np.random.choice(['晴', '雨', '雪', '阴'], n_matches),
    '对手实力': np.random.randint(1, 5, n_matches),    # 1-4级
    '主力球员缺阵': np.random.choice([0, 1], n_matches), # 0=无缺阵, 1=有缺阵
    '上一场赢球': np.random.choice([0, 1], n_matches),
    '近期状态(最近5场胜率)': np.random.uniform(0, 1, n_matches),
    '平均进球': np.random.uniform(0, 3.5, n_matches),
    '平均失球': np.random.uniform(0, 3.5, n_matches),
    # 标签：胜负结果
    '结果': np.random.choice(['胜', '平', '负'], n_matches, 
                            p=[0.5, 0.25, 0.25])
}
df = pd.DataFrame(data)
print("数据集基本信息：")
print(f"总比赛场次: {len(df)}")
print(f"\n结果分布：")
print(df['结果'].value_counts())
print("\n特征列：")
print(df.columns.tolist())

数据预处理与特征工程

# 数据清洗和特征编码
def preprocess_data(df):
    # 复制数据避免修改原数据
    df_processed = df.copy()
    # 处理分类变量
    le = LabelEncoder()
    df_processed['天气_编码'] = le.fit_transform(df['天气'])
    # 创建新特征：进球差
    df_processed['进球差'] = df['平均进球'] - df['平均失球']
    # 创建综合评分特征
    df_processed['综合实力得分'] = (
        (df['对手排名'] < 10) * 3 +          # 对手排名很前的加3分
        (df['对手实力'] == 1) * 2 +          # 对手实力最强的加2分
        (df['主场'] == 1) * 1 +               # 主场加1分
        df['近期状态(最近5场胜率)'] * 2       # 状态好的加分
    )
    # 对手强弱分类
    df_processed['对手强弱'] = pd.cut(df['对手排名'], 
                                   bins=[0, 5, 15, 30, 50], 
                                   labels=['强', '较强', '中等', '弱'])
    return df_processed
# 处理数据
df_processed = preprocess_data(df)
print("\n处理后的特征：")
print(df_processed.columns.tolist())
# 查看相关性矩阵
plt.figure(figsize=(12, 8))
correlation_matrix = df_processed[['对手排名', '主场', '主力球员缺阵', 
                                    '上一场赢球', '近期状态(最近5场胜率)', 
                                    '进球差', '综合实力得分']].corr()
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt='.2f')'特征相关性矩阵')
plt.tight_layout()
plt.show()

模型训练

from sklearn.preprocessing import StandardScaler
# 选择特征
features = ['对手排名', '主场', '主力球员缺阵', '上一场赢球', 
            '近期状态(最近5场胜率)', '进球差', '综合实力得分', '天气_编码']
X = df_processed[features]
y = df_processed['结果']  # 标签
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y
)
# 标准化特征
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)
# 随机森林模型
rf_model = RandomForestClassifier(
    n_estimators=100,
    max_depth=10,
    random_state=42,
    n_jobs=-1
)
# 训练模型
print("开始训练随机森林模型...")
rf_model.fit(X_train_scaled, y_train)
# 预测与评估
y_pred_rf = rf_model.predict(X_test_scaled)
accuracy_rf = accuracy_score(y_test, y_pred_rf)
print(f"\n随机森林模型准确率: {accuracy_rf:.2%}")
print("\n详细分类报告：")
print(classification_report(y_test, y_pred_rf))

特征重要性分析

# 特征重要性可视化
feature_importance = pd.DataFrame({
    '特征': features,
    '重要性': rf_model.feature_importances_
}).sort_values('重要性', ascending=False)
plt.figure(figsize=(10, 6))
sns.barplot(data=feature_importance, x='重要性', y='特征')'特征重要性排名')
plt.tight_layout()
plt.show()
print("\n特征重要性排名：")
for idx, row in feature_importance.iterrows():
    print(f"{row['特征']}: {row['重要性']:.3f}")

预测下一场比赛

def predict_next_match(model, scaler, features_list):
    """
    预测下一场比赛结果
    """
    prediction = model.predict([features_list])
    probabilities = model.predict_proba([features_list])
    result_map = {'胜': '胜利', '平': '平局', '负': '失利'}
    class_names = model.classes_
    print("="*50)
    print("下一场比赛预测：")
    print("="*50)
    print(f"预测结果: {result_map[prediction[0]]}")
    print("\n概率分布：")
    for i, prob in enumerate(probabilities[0]):
        print(f"  {result_map[class_names[i]]}: {prob:.2%}")
    return prediction[0], probabilities[0]
# 场景1：主场对阵强队
print("\n场景1: 主场对阵世界排名第3的强队")
scenario1 = [3, 1, 0, 1, 0.8, 1.5, 3, 1]  # 排名3，主场，无缺阵，赢球，状态好，进球差1.5
scenario1_scaled = scaler.transform([scenario1])
predict_next_match(rf_model, scaler, scenario1_scaled[0])
# 场景2：客场对阵弱队
print("\n场景2: 客场对阵排名第45位的弱队")
scenario2 = [45, 0, 1, 0, 0.3, -0.5, 1, 0]  # 排名45，客场，有缺阵，输球
scenario2_scaled = scaler.transform([scenario2])
predict_next_match(rf_model, scaler, scenario2_scaled[0])

模型对比与优化

from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from xgboost import XGBClassifier
# 比较多个模型
models = {
    'RandomForest': RandomForestClassifier(n_estimators=100, random_state=42),
    'LogisticRegression': LogisticRegression(max_iter=1000, random_state=42),
    'XGBoost': XGBClassifier(n_estimators=100, random_state=42, eval_metric='mlogloss'),
    'DecisionTree': DecisionTreeClassifier(max_depth=5, random_state=42)
}
results = {}
for name, model in models.items():
    model.fit(X_train, y_train)
    y_pred = model.predict(X_test)
    accuracy = accuracy_score(y_test, y_pred)
    results[name] = accuracy
    print(f"{name} 准确率: {accuracy:.2%}")
# 绘制模型对比图
plt.figure(figsize=(8, 5))
models_names = list(results.keys())
accuracies = list(results.values())
bars = plt.bar(models_names, accuracies, color=['skyblue', 'lightgreen', 'lightcoral', 'orange'])
plt.ylim(0, 1)
plt.ylabel('准确率')'不同模型准确率对比')
plt.grid(axis='y', alpha=0.3)
# 添加数值标签
for bar, acc in zip(bars, accuracies):
    plt.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.01, 
             f'{acc:.2%}', ha='center', va='bottom')
plt.tight_layout()
plt.show()

结果可视化

# 可视化预测结果与实际结果对比
def visualize_results(y_true, y_pred):
    from sklearn.metrics import confusion_matrix
    plt.figure(figsize=(15, 5))
    # 混淆矩阵
    plt.subplot(1, 3, 1)
    cm = confusion_matrix(y_true, y_pred, labels=['胜', '平', '负'])
    sns.heatmap(cm, annot=True, fmt='d', cmap='Blues')
    plt.title('混淆矩阵')
    plt.xlabel('预测结果')
    plt.ylabel('实际结果')
    # 结果分布对比
    plt.subplot(1, 3, 2)
    actual_dist = pd.Series(y_true).value_counts(normalize=True)
    pred_dist = pd.Series(y_pred).value_counts(normalize=True)
    data = pd.DataFrame({
        '实际结果': actual_dist,
        '预测结果': pred_dist
    }).fillna(0)
    data.plot(kind='bar', ax=plt.gca())
    plt.title('结果分布对比')
    plt.xlabel('比赛结果')
    plt.ylabel('比例')
    plt.legend()
    # 累计命中率
    plt.subplot(1, 3, 3)
    correct = [1 if y_true[i] == y_pred[i] else 0 for i in range(len(y_true))]
    cumulative = np.cumsum(correct) / np.arange(1, len(correct)+1)
    plt.plot(cumulative)
    plt.title('累计命中率')
    plt.xlabel('预测序号')
    plt.ylabel('命中率')
    plt.tight_layout()
    plt.show()
visualize_results(y_test, y_pred_rf)

保存模型与部署

import joblib
# 保存模型和缩放器
joblib.dump(rf_model, 'football_prediction_model.joblib')
joblib.dump(scaler, 'scaler.joblib')
# 创建预测函数（用于生产环境）
def make_prediction(model_file, scaler_file, match_features):
    """
    从文件中加载模型并进行预测
    """
    model = joblib.load(model_file)
    scaler = joblib.load(scaler_file)
    features_scaled = scaler.transform([match_features])
    prediction = model.predict(features_scaled)
    probabilities = model.predict_proba(features_scaled)
    return prediction[0], {model.classes_[i]: probabilities[0][i] 
                          for i in range(len(model.classes_))}
print("\n模型保存成功！可用于生产环境的预测服务")

关键要点

1. 数据质量：友谊赛数据可能不完整，需要做好清洗
2. 特征工程：组合特征（如进球差）比单一特征更有预测力
3. 模型选择：随机森林表现稳定，适合分类问题；XGBoost可能更精确
4. 过拟合防范：使用训练/测试集划分，观察训练和测试准确率差距
5. 实际应用：结果不是绝对，可作为决策参考

优化建议

• 加入更多特征：球队历史交锋、核心球员状态、教练战术影响
• 使用交叉验证获取更稳定的评估
• 考虑时间权重：近期数据权重更大
• 尝试集成学习或深度学习模型（如LSTM处理时间序列）

预测只是辅助工具，比赛中还有诸多不确定因素,这个Python案例分析可以帮助你深入理解数据预测的完整流程！