Gole w europejskich ligach

Skąd padają gole? Jak poruszają się piłkarze podczas meczu? Czy zawodnicy podają zawsze do tych samych?

Wszystkiego tego można się dowiedzieć jak tylko ma się odpowiednie dane… Warto przeglądać czasem Reddita – można znaleźć np. Soccer shots dataset (post już jest skasowany, ale kto pierwszy ten lepszy) zawierający link do arkusza z danymi zeskrapowanymi z ciekawej strony understat.com.

Skoro ktoś zdjął te dane i udało mi się zapisać do nich link to wykorzystajmy je!

W pierwszej kolejności musimy pobrać dane z Google Drive – lepiej mieć niż nie mieć ;)

# Będziemy potrzebowac standardowo pakietów:
library(tidyverse)
library(janitor)
library(igraph)

# a żeby pobrac dane z Google Drive wystarczy:
library(googledrive)

"1yeIl0rZldsmmRzdGUkG56QmX7UXI0PHQ" %>%
  as_id() %>%
  drive_get() %>%
  drive_download(path = "xg_master.csv")

# Będziemy potrzebowac standardowo pakietów:

library(tidyverse)

library(janitor)

library(igraph)

# a żeby pobrac dane z Google Drive wystarczy:

library(googledrive)

"1yeIl0rZldsmmRzdGUkG56QmX7UXI0PHQ" %>%

as_id() %>%

drive_get() %>%

drive_download(path = "xg_master.csv")

I w pliczku xg_master.csv mamy interesujące nas dane. Zobaczmy co mamy w środku:

data <- read_csv("xg_master.csv") %>%
  clean_names() %>%
  mutate(player = stringi::stri_enc_tonative(player),
         assist_player = stringi::stri_enc_tonative(assist_player))

data <- read_csv("xg_master.csv") %>%

clean_names() %>%

mutate(player = stringi::stri_enc_tonative(player),

assist_player = stringi::stri_enc_tonative(assist_player))

Po standardowych glimpse() wiemy co i jak, na przykład wiemy że dane pochodzą z kilku sezonów i obejmują ligi europejskie z następującymi drużynami:

data %>%
  distinct(league, team) %>%
  group_by(league) %>%
  arrange(team) %>%
  mutate(n = row_number()) %>%
  ungroup() %>%
  spread(league, team, fill = "") %>%
  select(-n) %>%
  kable() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

data %>%

distinct(league, team) %>%

group_by(league) %>%

arrange(team) %>%

mutate(n = row_number()) %>%

ungroup() %>%

spread(league, team, fill = "") %>%

select(-n) %>%

kable() %>%

kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

Bundesliga	EPL	La_Liga	Ligue_1	RFPL	Serie_A
Augsburg	Arsenal	Alaves	Amiens	Amkar	AC Milan
Bayer Leverkusen	Aston Villa	Almeria	Angers	Anzhi Makhachkala	Atalanta
Bayern Munich	Bournemouth	Athletic Club	Bordeaux	Arsenal Tula	Benevento
Borussia Dortmund	Brighton	Atletico Madrid	Caen	CSKA Moscow	Bologna
Borussia M.Gladbach	Burnley	Barcelona	Dijon	Dinamo Moscow	Cagliari
Darmstadt	Cardiff	Celta Vigo	Evian Thonon Gaillard	FC Krasnodar	Carpi
Eintracht Frankfurt	Chelsea	Cordoba	GFC Ajaccio	FC Orenburg	Cesena
FC Cologne	Crystal Palace	Deportivo La Coruna	Guingamp	FC Rostov	Chievo
Fortuna Duesseldorf	Everton	Eibar	Lens	FC Ufa	Crotone
Freiburg	Fulham	Elche	Lille	FC Yenisey Krasnoyarsk	Empoli
Hamburger SV	Huddersfield	Espanyol	Lorient	FK Akhmat	Fiorentina
Hannover 96	Hull	Getafe	Lyon	Krylya Sovetov Samara	Frosinone
Hertha Berlin	Leicester	Girona	Marseille	Kuban Krasnodar	Genoa
Hoffenheim	Liverpool	Granada	Metz	Lokomotiv Moscow	Inter
Ingolstadt	Manchester City	Las Palmas	Monaco	Mordovya	Juventus
Mainz 05	Manchester United	Leganes	Montpellier	Rubin Kazan	Lazio
Nuernberg	Middlesbrough	Levante	Nancy	SKA-Khabarovsk	Napoli
Paderborn	Newcastle United	Malaga	Nantes	Spartak Moscow	Palermo
RasenBallsport Leipzig	Norwich	Osasuna	Nice	Tom Tomsk	Parma
Schalke 04	Queens Park Rangers	Rayo Vallecano	Nimes	Torpedo Moscow	Parma Calcio 1913
VfB Stuttgart	Southampton	Real Betis	Paris Saint Germain	Tosno	Pescara
Werder Bremen	Stoke	Real Madrid	Reims	Ural	Roma
Wolfsburg	Sunderland	Real Sociedad	Rennes	Zenit St. Petersburg	Sampdoria
	Swansea	Real Valladolid	Saint-Etienne		Sassuolo
	Tottenham	SD Huesca	SC Bastia		SPAL 2013
	Watford	Sevilla	Strasbourg		Torino
	West Bromwich Albion	Sporting Gijon	Toulouse		Udinese
	West Ham	Valencia	Troyes		Verona
	Wolverhampton Wanderers	Villarreal

Jedna kolumna określa nam skuteczność strzału, a druga – sytuację. możemy więc zobaczyć…

# skąd co pada?
data %>%
  ggplot() +
  geom_point(aes(x_coordinate, y_coordinate,
                 color = situation),
             alpha = 0.7, size = 0.5, show.legend = FALSE) +
  facet_grid(situation~result) +
  # boisko
  xlim(c(0, 1)) +
  ylim(c(0, 1)) +
  geom_rect(aes(xmin = 0, ymin = 0, xmax = 1, ymax = 1), fill = NA, color = "black") +
  geom_rect(aes(xmin = 0, ymin = 0, xmax = 0.5, ymax = 1), fill = NA, color = "black") +
  geom_rect(aes(xmin = 0, ymin = 0.2, xmax = 0.157, ymax = 0.8), fill = NA, color = "black") +
  geom_rect(aes(xmin = 1, ymin = 0.2, xmax = 1-0.157, ymax = 0.8), fill = NA, color = "black") +
  labs(title = "Skąd padają strzały?", x = "", y = "") +
  theme_void()

# skąd co pada?

data %>%

ggplot() +

geom_point(aes(x_coordinate, y_coordinate,

color = situation),

alpha = 0.7, size = 0.5, show.legend = FALSE) +

facet_grid(situation~result) +

# boisko

xlim(c(0, 1)) +

ylim(c(0, 1)) +

geom_rect(aes(xmin = 0, ymin = 0, xmax = 1, ymax = 1), fill = NA, color = "black") +

geom_rect(aes(xmin = 0, ymin = 0, xmax = 0.5, ymax = 1), fill = NA, color = "black") +

geom_rect(aes(xmin = 0, ymin = 0.2, xmax = 0.157, ymax = 0.8), fill = NA, color = "black") +

geom_rect(aes(xmin = 1, ymin = 0.2, xmax = 1-0.157, ymax = 0.8), fill = NA, color = "black") +

labs(title = "Skąd padają strzały?", x = "", y = "") +

theme_void()

Prześledźmy na szybko rozkład informacji w kolumnach kategorycznych:

data %>% count(result, sort = TRUE) %>%
  kable() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

data %>% count(result, sort = TRUE) %>%

kable() %>%

kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

result	n
MissedShots	99454
BlockedShot	61410
SavedShot	58449
Goal	25919
ShotOnPost	4797
OwnGoal	770

data %>% filter(result == "Goal") %>% count(shot_type, sort = TRUE) %>%
  kable() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

data %>% filter(result == "Goal") %>% count(shot_type, sort = TRUE) %>%

kable() %>%

kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

shot_type	n
RightFoot	13841
LeftFoot	7471
Head	4449
OtherBodyPart	158

data %>% filter(result == "Goal") %>% count(situation, sort = TRUE) %>%
  kable() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

data %>% filter(result == "Goal") %>% count(situation, sort = TRUE) %>%

kable() %>%

kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

situation	n
OpenPlay	18237
FromCorner	3057
Penalty	2233
SetPiece	1654
DirectFreekick	738

data %>% filter(result == "Goal") %>% count(preceding_action, sort = TRUE) %>%
  kable() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

data %>% filter(result == "Goal") %>% count(preceding_action, sort = TRUE) %>%

kable() %>%

kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

preceding_action	n
Pass	7119
Cross	4594
Standard	2971
Rebound	2292
None	2232
Throughball	1447
TakeOn	1412
Chipped	1294
HeadPass	804
Aerial	767
BallRecovery	350
BallTouch	238
LayOff	153
Dispossessed	108
Tackle	47
Interception	23
BlockedPass	21
Foul	12
CornerAwarded	8
GoodSkill	6
Clearance	3
End	3
Goal	3
OffsidePass	3
SubstitutionOn	3
Card	2
Challenge	2
FormationChange	1
Start	1

Ciekawe Tak sobie. Ciekawsze jest to, w której minucie padają gole. Zamiast liczyć jakąś średnią policzmy po prostu sumę bramek, które padły w kolejnych minutach:

data %>%
  filter(result == "Goal") %>%
  filter(minute <= 92) %>%
  count(minute) %>%
  ggplot() +
  geom_line(aes(minute, n), color = "green") +
  geom_smooth(aes(minute, n), color = "lightgreen", alpha = 0.5) +
  geom_vline(xintercept = c(45, 90)) +
  labs(title = "Liczba bramek w zależności od minuty meczu",
       x = "Minuta meczu",
       y = "Łączna liczba bramek")

data %>%

filter(result == "Goal") %>%

filter(minute <= 92) %>%

count(minute) %>%

ggplot() +

geom_line(aes(minute, n), color = "green") +

geom_smooth(aes(minute, n), color = "lightgreen", alpha = 0.5) +

geom_vline(xintercept = c(45, 90)) +

labs(title = "Liczba bramek w zależności od minuty meczu",

x = "Minuta meczu",

y = "Łączna liczba bramek")

Dlaczego tuż po 45 minucie mamy skok? To gol do szatnii – nieco przedłużona pierwsza połowa i gol w ostatniej chwili.

Niesamowite jest to, że im dłużej trwa mecz tym więcej bramek pada, tzn. więcej bramek pada w późniejszych minutach. Wydawałoby się, że zmęczenie i – czasem – granie na czas dadzą zna oo sobie i więcej będzie goli w pierwszej połowie. A tutaj zonk. W sumie fajny zonk, bo oznacza to tyle że emocje są do końca.

Podzielmy czas na 5-minutowe bloki i sprawdźmy jak w poszczególnych ligach wygląda liczba zdobytych bramek. Tym razem jednak licząc jaki procent bramek z całej ligi wpada w danym bloku:

# bloki po 5 minut, zależność od ligi
data %>%
  filter(result == "Goal") %>%
  mutate(minute = 5*( minute %/% 5) ) %>%
  count(minute, league) %>%
  group_by(league) %>%
  mutate(n = 100*n/sum(n)) %>%
  ungroup %>%
  ggplot() +
  geom_tile(aes(minute, league, fill = n), color = "gray50") +
  scale_fill_distiller(palette = "Reds", direction = 1) +
  geom_vline(xintercept = c(45, 90)) +
  labs(title = "Procent bramek w meczu zależności od minuty meczu",
       x = "Minuta meczu",
       y = "",
       fill = "Procent bramek w lidze")

# bloki po 5 minut, zależność od ligi

data %>%

filter(result == "Goal") %>%

mutate(minute = 5*( minute %/% 5) ) %>%

count(minute, league) %>%

group_by(league) %>%

mutate(n = 100*n/sum(n)) %>%

ungroup %>%

ggplot() +

geom_tile(aes(minute, league, fill = n), color = "gray50") +

scale_fill_distiller(palette = "Reds", direction = 1) +

geom_vline(xintercept = c(45, 90)) +

labs(title = "Procent bramek w meczu zależności od minuty meczu",

x = "Minuta meczu",

y = "",

fill = "Procent bramek w lidze")

Znowu widać 45 minutę. Szczególnie w angielskiej Premiere League można liczy na emocje. W sumie około 6% (co 16 mecz) to bramka pod koniec I połowy.

Skupmy się na chwilę na konkretnych zawodnikach. Na przykład Neymar (ulubiony piłkarz mojego syna) – czy strzela w Paris Saint Germain lepiej niż w Barcelonie?

data %>%
  filter(player == "Neymar") %>%
  filter(result == "Goal") %>%
  count(date, team) %>%
  ggplot() +
  geom_point(aes(date, n, color = team)) +
  labs(title = "Neymar: Barcelona vs PSG",
       color = "", x = "", y = "Liczba strzelonych\nbramek w meczu")

data %>%

filter(player == "Neymar") %>%

filter(result == "Goal") %>%

count(date, team) %>%

ggplot() +

geom_point(aes(date, n, color = team)) +

labs(title = "Neymar: Barcelona vs PSG",

color = "", x = "", y = "Liczba strzelonych\nbramek w meczu")

Strzela mniej więcej tak samo jeśli chodzi o liczbę zdobytych bramek w meczu. A czy strzela z innego miejsca? Może trener coś wypracował i zmieniło się ustawienie?

# skąd strzela
data %>%
  filter(player == "Neymar") %>%
  filter(result == "Goal") %>%
  ggplot() +
  geom_point(aes(x_coordinate, y_coordinate, color = team)) +
  # boisko
  xlim(c(0, 1)) +
  ylim(c(0, 1)) +
  geom_rect(aes(xmin = 0, ymin = 0, xmax = 1, ymax = 1), fill = NA, color = "black") +
  geom_rect(aes(xmin = 0, ymin = 0, xmax = 0.5, ymax = 1), fill = NA, color = "black") +
  geom_rect(aes(xmin = 0, ymin = 0.2, xmax = 0.157, ymax = 0.8), fill = NA, color = "black") +
  geom_rect(aes(xmin = 1, ymin = 0.2, xmax = 1-0.157, ymax = 0.8), fill = NA, color = "black") +
  labs(title = "Neymar: Barcelona vs PSG", x = "", y = "", color = "") +
  theme_void()

# skąd strzela

data %>%

filter(player == "Neymar") %>%

filter(result == "Goal") %>%

ggplot() +

geom_point(aes(x_coordinate, y_coordinate, color = team)) +

# boisko

xlim(c(0, 1)) +

ylim(c(0, 1)) +

geom_rect(aes(xmin = 0, ymin = 0, xmax = 1, ymax = 1), fill = NA, color = "black") +

geom_rect(aes(xmin = 0, ymin = 0, xmax = 0.5, ymax = 1), fill = NA, color = "black") +

geom_rect(aes(xmin = 0, ymin = 0.2, xmax = 0.157, ymax = 0.8), fill = NA, color = "black") +

geom_rect(aes(xmin = 1, ymin = 0.2, xmax = 1-0.157, ymax = 0.8), fill = NA, color = "black") +

labs(title = "Neymar: Barcelona vs PSG", x = "", y = "", color = "") +

theme_void()

To, że czerwonych kropek jest więcej oznacza tylko tyle, że dłużej grał w Barcy. Strzela mniej więcej z tego samego miejsca. No, w PSG ładuje trochę sprzed pola karnego.

Zobaczmy jak inni. Na początek przygotujemy fragment danych – 12 piłkarzy, którzy strzelili najwięcej bramek:

top_strikers <- data %>%
  filter(result == "Goal") %>%
  count(player, sort = T) %>%
  top_n(12, n) %>%
  pull(player)

top_strikers <- data %>%

filter(result == "Goal") %>%

count(player, sort = T) %>%

top_n(12, n) %>%

pull(player)

Lionel Messi
Cristiano Ronaldo
Luis Su�rez
Robert Lewandowski
Harry Kane
Edinson Cavani
Pierre-Emerick Aubameyang
Sergio Ag�ero
Alexandre Lacazette
Gonzalo Higua�n
Mauro Icardi
Antoine Griezmann

Skąd strzelają bramki ci panowie?

data %>%
  filter(player %in% top_strikers) %>%
  filter(result == "Goal") %>%
  ggplot() +
  geom_point(aes(x_coordinate, y_coordinate, color = player),
             show.legend = FALSE) +
  facet_wrap(~player) +
  # boisko
  xlim(c(0, 1)) +
  ylim(c(0, 1)) +
  geom_rect(aes(xmin = 0, ymin = 0, xmax = 1, ymax = 1), fill = NA, color = "black") +
  geom_rect(aes(xmin = 0, ymin = 0, xmax = 0.5, ymax = 1), fill = NA, color = "black") +
  geom_rect(aes(xmin = 0, ymin = 0.2, xmax = 0.157, ymax = 0.8), fill = NA, color = "black") +
  geom_rect(aes(xmin = 1, ymin = 0.2, xmax = 1-0.157, ymax = 0.8), fill = NA, color = "black") +
  labs(title = "Skąd padają bramki strzelone przez...", x = "", y = "") +
  theme_void()

data %>%

filter(player %in% top_strikers) %>%

filter(result == "Goal") %>%

ggplot() +

geom_point(aes(x_coordinate, y_coordinate, color = player),

show.legend = FALSE) +

facet_wrap(~player) +

# boisko

xlim(c(0, 1)) +

ylim(c(0, 1)) +

geom_rect(aes(xmin = 0, ymin = 0, xmax = 1, ymax = 1), fill = NA, color = "black") +

geom_rect(aes(xmin = 0, ymin = 0, xmax = 0.5, ymax = 1), fill = NA, color = "black") +

geom_rect(aes(xmin = 0, ymin = 0.2, xmax = 0.157, ymax = 0.8), fill = NA, color = "black") +

geom_rect(aes(xmin = 1, ymin = 0.2, xmax = 1-0.157, ymax = 0.8), fill = NA, color = "black") +

labs(title = "Skąd padają bramki strzelone przez...", x = "", y = "") +

theme_void()

Tutaj jest jedna ciekawostka – Messi strzelający gola z prawego dolnego rogu boiska. Możemy poszukać tej bramki:

data %>%
  filter(player == "Lionel Messi", result == "Goal") %>%
  filter(y_coordinate == min(y_coordinate)) %>%
  t() %>%
  as.data.frame() %>% rownames_to_column() %>% set_names(c("Feature", "Value")) %>%
  kable()  %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

data %>%

filter(player == "Lionel Messi", result == "Goal") %>%

filter(y_coordinate == min(y_coordinate)) %>%

t() %>%

as.data.frame() %>% rownames_to_column() %>% set_names(c("Feature", "Value")) %>%

kable() %>%

kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

Feature	Value
match_id	3926
league	La_Liga
date	2017-02-04 15:15:00
home	Barcelona
away	Athletic Club
home_goals	3
away_goals	0
team	Barcelona
minute	39
player	Lionel Messi
x_g	0.05206308
shot_type	LeftFoot
result	Goal
x_coordinate	0.952
y_coordinate	0.116
situation	DirectFreekick
assist_player	NA
preceding_action	Standard

Chwila w Google z wyszukaniem odpowiedniego meczu i mamy wynik jak poniżej:

A z jakiej odległości padają strzały? Nie będziemy tego przeliczać na metry, a na jednostki względne od środka bramki (punkt (1,0.5) w układzie współrzędnych boiska):

data %>%
  filter(player %in% top_strikers) %>%
  filter(result == "Goal") %>%
  mutate(distance = sqrt((x_coordinate-1)^2 + (y_coordinate-0.5)^2)) %>%
  group_by(player) %>%
  mutate(m_dist = mean(distance)) %>%
  ungroup() %>%
  arrange(m_dist) %>%
  mutate(player = fct_inorder(player)) %>%
  ggplot() +
  geom_boxplot(aes(player, distance, fill = player), color = "black",
               show.legend = FALSE) +
  coord_flip() +
  labs(title = "Z jakiej odległości od bramki padają gole?",
       x = "", y  = "Odległośc [skala względna]")

data %>%

filter(player %in% top_strikers) %>%

filter(result == "Goal") %>%

mutate(distance = sqrt((x_coordinate-1)^2 + (y_coordinate-0.5)^2)) %>%

group_by(player) %>%

mutate(m_dist = mean(distance)) %>%

ungroup() %>%

arrange(m_dist) %>%

mutate(player = fct_inorder(player)) %>%

ggplot() +

geom_boxplot(aes(player, distance, fill = player), color = "black",

show.legend = FALSE) +

coord_flip() +

labs(title = "Z jakiej odległości od bramki padają gole?",

x = "", y = "Odległośc [skala względna]")

Wykres ułożono jest według średniej odległości, a kreska w pudełku mówi o medianie. Wcześniej widzieliśmy, że wszyscy strzelają głównie z pola karnego, zatem nic dziwnego że wyniki są zbliżone.

Poszukajmy najdalszego strzału:

data %>%
  filter(result == "Goal") %>%
  mutate(distance = sqrt((x_coordinate-1)^2 + (y_coordinate-0.5)^2)) %>%
  filter(distance == max(distance)) %>%
  t() %>%
  as.data.frame() %>% rownames_to_column() %>% set_names(c("Feature", "Value")) %>%
  kable() %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

data %>%

filter(result == "Goal") %>%

mutate(distance = sqrt((x_coordinate-1)^2 + (y_coordinate-0.5)^2)) %>%

filter(distance == max(distance)) %>%

t() %>%

as.data.frame() %>% rownames_to_column() %>% set_names(c("Feature", "Value")) %>%

kable() %>%

kable_styling(bootstrap_options = c("striped", "hover", "condensed"))

Feature	Value
match_id	5424
league	Bundesliga
date	2014-09-20 14:30:00
home	Paderborn
away	Hannover 96
home_goals	2
away_goals	0
team	Paderborn
minute	92
player	Moritz Stoppelkamp
x_g	0.008978859
shot_type	RightFoot
result	Goal
x_coordinate	0.225
y_coordinate	0.475
situation	OpenPlay
assist_player	Uwe H�nemeier
preceding_action	None
distance	0.7754031

Znowu chwila z Google i mamy:

Jak wygląda rozkład wyników w poszczególnych ligach? Jaki wynik meczu jest najpopularniejszy? Poniższy wykres to obrazuje:

data %>%
  select(league, home_goals, away_goals, match_id) %>%
  distinct(match_id, .keep_all = TRUE) %>%
  count(league, away_goals, home_goals, sort = T) %>%
  group_by(league) %>%
  mutate(p = 100*n/sum(n)) %>%
  ungroup() %>%
  ggplot() +
  geom_tile(aes(home_goals, away_goals, fill = p), color = "black", show.legend = FALSE) +
  geom_text(aes(home_goals, away_goals, label = sprintf("%.f%%", p))) +
  scale_x_continuous(breaks = 0:10, limits = c(-1,11)) +
  scale_y_continuous(breaks = 0:10, limits = c(-1,11)) +
  scale_fill_distiller(palette = "Reds", direction = 1) +
  labs(title = "Rozkład wyników w meczach",
       x = "Gospodarze", y = "Goście") +
  facet_wrap(~league)

data %>%

select(league, home_goals, away_goals, match_id) %>%

distinct(match_id, .keep_all = TRUE) %>%

count(league, away_goals, home_goals, sort = T) %>%

group_by(league) %>%

mutate(p = 100*n/sum(n)) %>%

ungroup() %>%

ggplot() +

geom_tile(aes(home_goals, away_goals, fill = p), color = "black", show.legend = FALSE) +

geom_text(aes(home_goals, away_goals, label = sprintf("%.f%%", p))) +

scale_x_continuous(breaks = 0:10, limits = c(-1,11)) +

scale_y_continuous(breaks = 0:10, limits = c(-1,11)) +

scale_fill_distiller(palette = "Reds", direction = 1) +

labs(title = "Rozkład wyników w meczach",

x = "Gospodarze", y = "Goście") +

facet_wrap(~league)

Najpopularniejsze wyniki to 1:1 albo 1:0 (czy też 0:1). Zdaje się, że rozkład liczby bramek w meczu to rozkład Poissona – to warto wiedzie, jeśli się chce budować jakieś modele przewidujące wyniki.

Przejdźmy na poziom dwóch drużyn. Na początek policzymy sobie dane mówiące o rozkładzie wyników spotkań wszystkich drużyn z każdej ligi pomiędzy sobą:

data_pairs <- data %>%
  select(home, away, league, home_goals, away_goals, match_id) %>%
  distinct(match_id, .keep_all = TRUE) %>%
  mutate(hG = if_else(home < away, home_goals, away_goals),
         aG = if_else(home < away, away_goals, home_goals),
         h = if_else(home < away, home, away),
         a = if_else(home < away, away, home)) %>%
  count(h, hG, a, aG) %>%
  group_by(h, a) %>%
  mutate(p = 100*n/sum(n)) %>%
  ungroup()

data_pairs <- data %>%

select(home, away, league, home_goals, away_goals, match_id) %>%

distinct(match_id, .keep_all = TRUE) %>%

mutate(hG = if_else(home < away, home_goals, away_goals),

aG = if_else(home < away, away_goals, home_goals),

h = if_else(home < away, home, away),

a = if_else(home < away, away, home)) %>%

count(h, hG, a, aG) %>%

group_by(h, a) %>%

mutate(p = 100*n/sum(n)) %>%

ungroup()

Teraz wybierzemy dwie drużyny i zobaczymy jakie wyniki padły w meczach między nimi:

A_team = "Manchester City"
B_team = "Liverpool"

data_sel <- data_pairs %>%
  filter(h %in% c(A_team, B_team),
         a %in% c(A_team, B_team))

home_team <- data_sel %>% pull(h) %>% unique()
away_team <- data_sel %>% pull(a) %>% unique()

data_sel %>%
  ggplot() +
  geom_tile(aes(hG, aG, fill = p), color = "black", show.legend = FALSE) +
  geom_text(aes(hG, aG, label = sprintf("%.f%%", p))) +
  scale_x_continuous(breaks = 0:10, limits = c(-1,11)) +
  scale_y_continuous(breaks = 0:10, limits = c(-1,11)) +
  scale_fill_distiller(palette = "Reds", direction = 1) +
  labs(title = paste("Rozkład wyników w meczach\n", home_team, "-", away_team),
       x = home_team, y = away_team)

A_team = "Manchester City"

B_team = "Liverpool"

data_sel <- data_pairs %>%

filter(h %in% c(A_team, B_team),

a %in% c(A_team, B_team))

home_team <- data_sel %>% pull(h) %>% unique()

away_team <- data_sel %>% pull(a) %>% unique()

data_sel %>%

ggplot() +

geom_tile(aes(hG, aG, fill = p), color = "black", show.legend = FALSE) +

geom_text(aes(hG, aG, label = sprintf("%.f%%", p))) +

scale_x_continuous(breaks = 0:10, limits = c(-1,11)) +

scale_y_continuous(breaks = 0:10, limits = c(-1,11)) +

scale_fill_distiller(palette = "Reds", direction = 1) +

labs(title = paste("Rozkład wyników w meczach\n", home_team, "-", away_team),

x = home_team, y = away_team)

Niestety nie ma bardziej zróżnicowanych danych – Real z Barcą wygląda podobnie (każdy z wyników padł tylko jeden raz, meczy też było 10). Szkoda.

Ale możemy inaczej – ile bramek strzela i ile traci Barcelona w lidze hiszpańskiej?

sel_team = "Barcelona"

# bilans rozgrywek
data_pairs %>%
  filter(h == sel_team | a == sel_team) %>%
  mutate(sel_goals = if_else(h == sel_team, hG, aG),
         other_goals =  if_else(h == sel_team, aG, hG),
         other =  if_else(h == sel_team, a, h)) %>%
  select(other, sel_goals, other_goals, n) %>%
  gather("key", "val", -other, -n) %>%
  mutate(key = factor(key, levels = c("sel_goals", "other_goals"),
                      labels = c("Bramki strzelone", "Bramki stracone"))) %>%
  ggplot() +
  geom_tile(aes(other, val, fill = n), color = "black") +
  scale_y_continuous(breaks = 0:10) +
  scale_fill_distiller(palette = "Reds", direction = 1) +
  facet_wrap(~key, ncol = 2) +
  theme(axis.text.x = element_text(angle = 90, vjust = 0, hjust = 1)) +
  labs(title = paste0("Liczba strzelonych/straconych bramek: ", sel_team),
       x = "Przeciwnik", y = "", fill = "Liczba bramek")

sel_team = "Barcelona"

# bilans rozgrywek

data_pairs %>%

filter(h == sel_team | a == sel_team) %>%

mutate(sel_goals = if_else(h == sel_team, hG, aG),

other_goals = if_else(h == sel_team, aG, hG),

other = if_else(h == sel_team, a, h)) %>%

select(other, sel_goals, other_goals, n) %>%

gather("key", "val", -other, -n) %>%

mutate(key = factor(key, levels = c("sel_goals", "other_goals"),

labels = c("Bramki strzelone", "Bramki stracone"))) %>%

ggplot() +

geom_tile(aes(other, val, fill = n), color = "black") +

scale_y_continuous(breaks = 0:10) +

scale_fill_distiller(palette = "Reds", direction = 1) +

facet_wrap(~key, ncol = 2) +

theme(axis.text.x = element_text(angle = 90, vjust = 0, hjust = 1)) +

labs(title = paste0("Liczba strzelonych/straconych bramek: ", sel_team),

x = "Przeciwnik", y = "", fill = "Liczba bramek")

Oczywiście zamiast Barcelony możemy wybrać inny zespół.

A jak wygląda bilans bramek Barcy? Ile średnio goli strzela i ile traci w meczach ze swoimi rywalami z La Liga?

data_pairs %>%
  filter(h == sel_team | a == sel_team) %>%
  mutate(sel_goals = if_else(h == sel_team, hG, aG),
         other_goals =  if_else(h == sel_team, aG, hG),
         other =  if_else(h == sel_team, a, h)) %>%
  select(other, sel_goals, other_goals, n) %>%
  mutate(sel_goals = n * sel_goals,
         other_goals = n * other_goals) %>%
  group_by(other) %>%
  summarise(sel_goals = sum(sel_goals)/n(),
            other_goals = sum(other_goals)/n()) %>%
  ungroup() %>%
  mutate(delta = sel_goals - other_goals) %>%
  arrange(desc(delta)) %>%
  mutate(other = fct_inorder(other) %>% fct_rev()) %>%
  ggplot() +
  geom_col(aes(other, sel_goals), fill = "green") +
  geom_text(aes(other, sel_goals, label = sprintf("%.2f", sel_goals)), hjust = -0.1) +
  geom_col(aes(other, -other_goals), fill = "red") +
  geom_text(aes(other, -other_goals, label = sprintf("%.2f", other_goals)), hjust = 1.01) +
  geom_point(aes(other, delta), color = "black", size = 2) +
  # geom_text(aes(other, delta, label = sprintf("%.2f", delta)), hjust = -0.2) +
  coord_flip() +
  labs(title = paste0("Średnia liczba bramek strzelonych/straconych: ", sel_team),
       subtitle = "Zielony = bramki strzelone\nCzerwony = bramki stracone",
       x = "Przeciwnik", y = "")

data_pairs %>%

filter(h == sel_team | a == sel_team) %>%

mutate(sel_goals = if_else(h == sel_team, hG, aG),

other_goals = if_else(h == sel_team, aG, hG),

other = if_else(h == sel_team, a, h)) %>%

select(other, sel_goals, other_goals, n) %>%

mutate(sel_goals = n * sel_goals,

other_goals = n * other_goals) %>%

group_by(other) %>%

summarise(sel_goals = sum(sel_goals)/n(),

other_goals = sum(other_goals)/n()) %>%

ungroup() %>%

mutate(delta = sel_goals - other_goals) %>%

arrange(desc(delta)) %>%

mutate(other = fct_inorder(other) %>% fct_rev()) %>%

ggplot() +

geom_col(aes(other, sel_goals), fill = "green") +

geom_text(aes(other, sel_goals, label = sprintf("%.2f", sel_goals)), hjust = -0.1) +

geom_col(aes(other, -other_goals), fill = "red") +

geom_text(aes(other, -other_goals, label = sprintf("%.2f", other_goals)), hjust = 1.01) +

geom_point(aes(other, delta), color = "black", size = 2) +

# geom_text(aes(other, delta, label = sprintf("%.2f", delta)), hjust = -0.2) +

coord_flip() +

labs(title = paste0("Średnia liczba bramek strzelonych/straconych: ", sel_team),

subtitle = "Zielony = bramki strzelone\nCzerwony = bramki stracone",

x = "Przeciwnik", y = "")

Czarna kropka to różnica średnich – jak widać FC Barcelona z każdym rywalem jest na plusie.

Wróćmy do naszych top 12 zawodników. Kto im asystuje? Możemy narysować to na grafie:

passes_graph <- data %>%
  filter(result == "Goal") %>%
  filter(player %in% top_strikers) %>%
  filter(!is.na(assist_player)) %>%
  count(assist_player, player) %>%
  select(from = assist_player, to = player, weight = n) %>%
  graph_from_data_frame(directed = TRUE)


plot(passes_graph,
     vertex.color = if_else(V(passes_graph)$name %in% top_strikers, "blue", "lightblue"),
     vertex.size = if_else(V(passes_graph)$name %in% top_strikers, 7, 3),
     vertex.label.cex = 1,
     vertex.label.color =  if_else(V(passes_graph)$name %in% top_strikers, "gray80", "gray20"),
     edge.arrow.size = 0,
     edge.arrow.width = E(passes_graph)$weight,
     edge.width = E(passes_graph)$weight,
     edge.curved = TRUE)

passes_graph <- data %>%

filter(result == "Goal") %>%

filter(player %in% top_strikers) %>%

filter(!is.na(assist_player)) %>%

count(assist_player, player) %>%

select(from = assist_player, to = player, weight = n) %>%

graph_from_data_frame(directed = TRUE)

plot(passes_graph,

vertex.color = if_else(V(passes_graph)$name %in% top_strikers, "blue", "lightblue"),

vertex.size = if_else(V(passes_graph)$name %in% top_strikers, 7, 3),

vertex.label.cex = 1,

vertex.label.color = if_else(V(passes_graph)$name %in% top_strikers, "gray80", "gray20"),

edge.arrow.size = 0,

edge.arrow.width = E(passes_graph)$weight,

edge.width = E(passes_graph)$weight,

edge.curved = TRUE)

Nie widać tego dobrze na powyższym obrazku, ale w odpowiednim powiększeniu (kliknij na obrazek) widać na przykład pana Lucasa Mourę – jest pomiędzy dwoma różnymi grupami. Dlaczego? Ano, bo przeszedł z PSG do Tottenham i podaje już komuś innemu :)

Przy użyciu pakietu networkD3 możemy przygotować z gotowego grafu (obiektu pakietu igraph) interaktywną wersję:

library(networkD3)

passes_graph_d3 <- igraph_to_networkD3(passes_graph)

forceNetwork(Links = passes_graph_d3$links, Nodes = passes_graph_d3$nodes,
             Source = 'source', Target = 'target',
             NodeID = 'name', Group = 'name',
             linkWidth = passes_graph_d3$links$value,
             fontSize = 11,
             opacityNoHover = 0.6,
             zoom = TRUE)

library(networkD3)

passes_graph_d3 <- igraph_to_networkD3(passes_graph)

forceNetwork(Links = passes_graph_d3$links, Nodes = passes_graph_d3$nodes,

Source = 'source', Target = 'target',

NodeID = 'name', Group = 'name',

linkWidth = passes_graph_d3$links$value,

fontSize = 11,

opacityNoHover = 0.6,

zoom = TRUE)

Prawda, że fajne?

To początek prac, jakieś pomysły po pół dnia przyglądania się danym. Jeśli masz ochotę – możesz użyć przygotowanego wyżej kodu do zbudowania na przykład aplikacji w Shiny, w której będzie można wybrać drużyny albo zawodników i dla każdego takiego wyboru wygenerować odpowiednie wykresiki. A gdyby jeszcze zasilać dane (trzeba by scrapper napisać) każdego dnia byłoby prawie online. Dlaczego understat.com tego nie ma?

Miło będzie jeśli docenisz trud autora stawiając dużą kawę. Wpadnij też na Dane i Analizy na Facebooku – tam więcej takich smaczków (szczególnie dla praktyków).

10 komentarzy do “Gole w europejskich ligach”

Mariusz Rokita 24-04-2019 o 15:53

Odpowiedz

Hej,
Źle podlinkowany plik /downloads_02-1.png (zapewne histogram). Poprawisz? :)

Pozdrawiam
Mariusz
1. Łukasz 24-04-2019 o 15:59
  
  Odpowiedz
  
  Już powinno być ok
2. Mariusz Rokita 24-04-2019 o 16:07
  
  Odpowiedz
  
  Działa :) Fajna analiza, bardzo inspirująca :)
3. Shrey 24-04-2019 o 21:53
  
  Odpowiedz
  
  Hey, the dataset from Reddit has been deleted. Can you please send me the dataset?
4. nakreche 30-04-2019 o 13:49
  
  Odpowiedz
  
  a czy nie jest tak, że 45 i często 46 a nawet 47 minuta jest policzona *podwójnie* przy statystykach goli? (jako pierwsza i druga połowa)
  i dlatego wydaje się, że statystycznie wtedy pada więcej bramek w porównaniu do innych przedziałów?
5. 1. Łukasz 30-04-2019 o 13:52
    
    Odpowiedz
    
    Tego nie wiem i mam podobne podejrzenie. Z drugiej strony to byłoby jednak bez sensu…
  2. Paweł 22-05-2019 o 21:03
    
    Odpowiedz
    
    Dzień dobry,
    
    czy można prosić o wrzucenie ponownie bazy danych na Google Drive. Aktualny link nie działa.
    
    Pozdrawiam,
    Paweł Sobala
  3. 1. Łukasz 23-05-2019 o 10:23
      
      Odpowiedz
      
      Wrzuciłem zzipowanego CSV.
    2. 1. Paweł 23-05-2019 o 22:09
        
        Dziękuję!
      2. Thomas 20-08-2019 o 15:22
        
        Odpowiedz
        
        Super rozpisane i bardzo ciekawe, pozdrawiam :-)

Gole w europejskich ligach

10 komentarzy do “Gole w europejskich ligach”

Dodaj komentarz Anuluj pisanie odpowiedzi