▲ 恭喜Real Horsepower用这篇文章拿下34个冠军
01 数据采集分析框架
获取球员数据的渠道很多，比如德国转会市场（）、足球最大的手机平台点球滴等，都可以获得实时更新和比较完整的数据。
但考虑到爬取的难度，笔者找了一个简单且权威的足球运动员数据平台——PES官方数据库。 PES作为最经典的足球比赛之一，数据一般来自官方授权。 虽然更新不够及时，但好在获取极其简单（带分页的json API），对爬虫初学者非常友好，更重要的是不用考虑反爬的问题。
▲PES 2020数据库
简单分析一下网页请求API，可以得到从数据库中获取的json接口实时足球身价排行榜，共有1.5W多位足球运动员的信息共752页，每名球员都有30多条特征信息，除了基本属性如如球员姓名和国籍，影响球员能力的还有20+个特征，值得分析的切入点也很多，但限于篇幅和兴趣点：本文主要分析框架如下：
个人玩家排行榜：“各种”顶级玩家
借助机器学习，玩家属性信息挖掘
注：本文数据均来自PES2020，所有分析意见和结论仅供参考。 文末提供源码和数据文件获取方法。
02 基本概况分析
为了从宏观上了解主流联赛现役球员的现状，首先从以下四个维度给出球员分布：
▲球员宏观分布
由此可以得出以下明确的结论：
其次分析球员的基本属性（人像），主要关注球员的自然属性和得分问题。
▲球员基本属性
从球员的基本属性来看：
接下来用炫酷的桑基图展示一下主流联赛球员的来源。 在这里，除了西班牙、英格兰、意大利、法国四大联赛球队的完整信息外，只挑选了德甲的几支顶级俱乐部，与其他几支欧洲强队一起被列入联赛标签下“其他欧洲球队”。 同时，为了了解中超联赛的情况，中超联赛也被纳入分析。
▲可能是华而不实的桑基图
毫无疑问，欧洲主流联赛的球员还是以欧洲国家为主。 这当然与俱乐部限制外援数量有关（欧盟国家不占用外援名额），但不可否认是欧洲足坛的顶级水平。
同时，南美和非洲也为五大联赛贡献了不少球员，包括巴萨昔日三叉戟MSN（目前N效力于法甲巴黎），均来自南美国家，是巴萨的两大主力前锋。英超联赛新贵利物浦萨拉赫和马内来自非洲。
此外，亚洲近年来也向欧洲输出了不少球员，包括亚洲一哥孙兴慜、中超代表武磊等。 其中，孙兴慜是PES2020唯一的亚洲5星球员。
下面的箱线图可以更清楚地表达几大联赛球员的现状。 从整体分布区间、均值和极值来看，联赛级别排名应该是：西甲-英超-意甲-法甲-其他欧洲球队（包括德甲几支强队）-中超。
▲几大联赛球员得分分布
另外我注意到西意、法国等欧洲球队有一个90多分的极端点，瞎猜应该是巴萨的梅西、尤文的C罗、巴黎的内马尔和拜仁的莱万。 基本上代表了当今足坛的前四大前锋。
03 球员个人分析
上一部分是对球员整体的宏观分析，接下来重点是球员个人能力指标的对比排名。
首先是当今世界上最顶级的足球明星（得分>90）：
选手基本信息如下：
▲ 八位顶级足球明星（得分90+）
顶级超巨的得分都在90+。 需要注意的是，90+的分数在PES2020中已经算是绝对顶级水平了。 莫斯、姆巴佩、丁丁、格列兹曼、萨拉赫等）。
虽然姆巴佩可以称得上青春有为，内马尔、阿扎尔、阿利森也都处于职业生涯的巅峰期，但我们还是不得不觉得，梅罗在这样的“状态”下还能继续统治世界足坛前十。老年”。 于念真是一对绝世骄子。
然后按位置细分排行榜。 在这里，球员们通过区分前中后三线和门将位置的四种类型进行简单的合并，各取TOP5。 得到以下列表：
▲ 4线TOP5
从位置上来说，进入名单的都是各家具乐部的主力球员，这并不奇怪。 不过，如果说有什么名字是陌生的，那不勒斯后卫库利巴利可能因为俱乐部的原因，知名度略低。
甜瓜以如此高龄统治了足坛十几年，但还有一个更为传奇的足坛神话，堪称足坛老怪物。 例如，瑞典神泰姬·布拉希莫维奇38岁仍享受5星待遇。
▲ 5位球星中只有7位34+的球员，个个都是传奇
如果以星级和年龄来评判足球老怪不够权威和公平，那么定义老怪指数=得分*年龄，选出老怪指数排名前10位的球员，你会发现有球员比伊布还要传奇的面孔——布冯！ 虽然岁月没有让他继续以5星的姿态闪耀世界，但没有人会质疑他占据足坛头把交椅的资格。
此外，伊布和C罗还在榜单前5，足以证明他们的活化石能力； 而巴萨前中场大脑哈维在这份榜单中排名第7，但他的真实身份却是阿尔萨德俱乐部的主帅。
▲老妖指数old_index=score*age
英雄不问出身，成名不分年龄。 其实，更吸引世人、撬动资本市场的，就是那些足球怪兽，或者叫潜力股。 几年前，还只是炫耀一番的姆巴佩就以这种身份向世人展示了自己，直到他随法国队夺得2018年世界杯冠军，正式证明了自己，他不再只是足坛的“怪物”。粉丝口中。 当然，在姆巴佩之后，足坛怪兽中从来不乏后浪，比如：
▲ 5位球星中已经有8位U22球员，大部分都进入了豪门
同时，与老妖指数类似，这里对小妖指数也有类似的定义：小妖指数=分数/年龄，依旧选择TOP10，得到如下排行榜：
▲小恶魔指数young_index=分数/年龄
排在榜首的是一名效力于本国甲级联赛的15岁智利小将，但他的胜利更多是得益于年龄优势的加持，其潜力和成长空间还有待验证。 相比之下，值得一提的是尤文图斯的德利赫特，皇马的巴西小将双胞胎（维尼修斯和罗德里戈，都是2000年出生的），尤其是德利赫特能够获得5星中卫评级，实属难得。
除了单一属性的巨星，现代足坛还需要全能球员，被誉为绿茵场上的“六角斗士”——门将位置除外。 为了找到足球中的这些六角斗士，类似于电商会员价值分析中的RFM模型，选取以下指标来计算球员的六维指数：
在此基础上，当某位玩家某个维度的能力值高于所有玩家的平均值时，记为1，否则记为0。当6个维度均高于相应的平均值时，累加6星，到达六角武士。 选取六位变形斗士中评价排名前10位的玩家，制作对应的雷达图如下：
▲六角斗士前十的雷达图（防守方占半数以上席位）
最后，让我们关注另一个有趣的数据：那些饱受伤病困扰的足坛巨星。
说到伤病对职业生涯的影响，C罗或许有话说：尽管职业生涯并不丢人，但他效力过西甲和意甲的劲敌豪门（皇马vs巴萨，米兰vs国际米兰） ，并拥有无数的个人和集体荣誉。 他曾被誉为仅次于贝利和马拉多纳的第三人，但他也不得不感受到伤病对他职业生涯巅峰的巨大影响。
纵观现在的足坛，虽然医疗水平和饮食科学日趋进步，但还是有不少巨星饱受伤病困扰。 根据数据库中的抗伤指数信息，筛选出最有可能受伤的前10名巨星，得到如下结果：
▲足坛十大玻璃人巨星
不过，可能是由于这个指标的判别度较低（PES数据中该场只有1、2、3三个数值，数值越高越不容易受伤），所以有些明星在现实中的表现不太符合。 比如本泽马和克罗斯，都是目前在皇马出勤率很高的球员； 而“玻璃名人”也不再是少数，比如贝尔、蒂亚戈、罗伊斯。 毫不夸张的说，如果没有伤病困扰，他们现在的足坛地位会高很多！
从这个角度来说，像甜瓜这样天赋出众、不易受伤、巅峰期长的巨星，在很多年里实属难得。
04 机器学习筛选
数据记录数量充足，特征又如此丰富，不跑几个机器学习模型就可惜了！
这部分主要从三个角度进行分析，属于机器学习中的三大主流问题：
进一步，将机器学习模型得到的ML分数和星级作为球员的“真实能力”，对比PES分数和星级，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，但考虑到分类的难度和准确性，球员可以区分前场、中锋、后场和守门员四个位置，构建4个分类任务，探索“不一致函数”或“不正常做生意”玩家
球员聚类分析，基于物以类聚，人以群分的思想，着重探索PES中哪些球员与武磊更“相似”。 了解一个人的价值，看他和谁在一起。 因此，分析武磊以及哪些球员聚集在一个集群中，可以在一定程度上一窥武磊在足坛的地位和水平。
在上面的机器学习模型中，回归和分类任务都调用了随机森林模型，没有进行任何特征工程和优化调整； 聚类任务在进行归一化处理后调用K-means聚类模型，以剪影系数选择最优簇数作为度量。
先来看球员能力分析。
以玩家评分作为预测值，进行随机森林回归后，R2得分为0.95，具有良好的学习效果。 基于此模型，ML分数与PES分数之差，以及被PES高估（PES分数高于ML分数）和低估（PES分数低于ML分数）的前十名球员分别为：
▲评分| 十大高估球员：豪门溢价导致“高分低能”
▲评分| 十大被低估球员：低级别联赛限制了他们的身价
同样使用随机森林分类模型预测球员星级，最终准确率得分为0.88，略低。 使用该模型预测所有球员的星级，并与PES给出的星级进行比较，得到如下结果：
▲明星| 十大被高估球员：全是欧洲豪门
▲明星| 十大被低估球员：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：
接下来，通过球员位置分类模型，分析出哪些球员可能“与其职能不符”，或者“没有做好本职工作”。
仍然调用随机森林分类模型，对所有玩家进行4个分类任务，得到0.9的分类准确率，学习效果尚可。 给出混淆矩阵的结果，为了直观探究各类球员的走位预测误差：
▲选手预测结果混淆矩阵，左边索引为真实位置，上一列为预测位置
容易发现：
给出预测位置与实际位置不符的前十名超级巨星：
▲前十名“功能不匹配”的巨星都在“合理”范围内
最后利用聚类模型对与武磊（左边锋）同一位置的球员样本进行聚类任务，从而了解武磊在左边锋球队中属于什么级别，以及左边锋的顶级巨星边锋（如罗纳尔多、C罗、内马尔和阿扎尔为代表）差距很大。
经过简单的聚类训练（以剪影系数作为评价指标，但总体得分处于较低水平），设置K-means聚类参数n_clusters=5，可视化各聚类选手的平均得分如下：
▲5个集群球员平均评分：武磊在集群“1”中以微弱劣势位列第三
▲那些和武磊同队的左边锋
整体来看，与武磊同组的左翼球员中，得分大多在80分左右（对应3-4名明星球员），人气方面也没有特别突出的球员。
最后选取左前锋最重要的两个能力——速度和射门，做散点图如下：
▲ 武磊与5星左边锋球队还有很大差距
显然，单看速度和射门这两个属性：武磊在速度上有一定的优势，甚至超过了一些5星左边锋，但是射门属性却相去甚远，这可以反映出武磊目前的足坛表现一定程度上。 地位和等级，更重要的是，在其他许多能力属性上都有差距。 武磊的现状或许也是国内足坛现状的一个缩影！
05 后记
本文以PES2020球员数据库为数据源，主要完成了球员的宏观分布、球员个人排名、机器学习模型下的球员属性分析实时足球身价排行榜，得到了一些有意义的结论，对于球迷来说也堪称有趣.
同时，后续可能的优化思路是：
最后再次指出，由于数据准确性和时效性等因素，本文所有分析观点和结论仅供参考和娱乐，不足以解释任何实质性结论。
重点
干货直达
更令人兴奋的