2026 FIFA 世界杯比赛与球队数据探索性分析

一、研究背景2026 FIFA 世界杯采用扩军后的 48 队规模比赛数量、晋级路径和洲际代表性均显著提升。对于数据分析而言扩军不仅意味着样本量增加也带来更多小组间差异、跨洲对抗和淘汰赛组合使比赛级与球队级的多维探索更有价值。本研究使用两张结构化数据表matches.csv 记录 92 场比赛的日期、阶段、小组、对阵、比分、胜者、点球决胜与备注teams.csv 记录 48 支球队的小组、洲际足联、东道主身份、首次参赛身份和当前出局轮次。比赛数据截至 2026-07-05因此属于赛事进行中的阶段性快照。研究流程遵循标准 EDA 方法首先核验数据质量与业务语义其次进行比赛级和球队级特征工程再依次分析单场进球、赛事阶段、小组排名、球队攻防、洲际表现与特殊球队群体最后总结可复现结论和数据限制。二、研究意义1.比赛规律识别通过总进球、比分频次、零封率、双方进球率和淘汰赛净胜球等指标刻画赛事开放程度与比赛紧张度。2.球队表现评价将比赛记录转换为球队粒度统一计算胜平负、进失球、净胜球、胜率、场均进球、场均失球和零封次数避免只用单一指标判断强弱。3.结构性比较使用场均积分、场均净胜球和出线率比较不同洲际足联降低球队数量差异带来的总量偏差。4.博客复现价值Notebook 中的数据读取、质量检查、函数封装和高清可视化均可独立运行适合形成完整的技术博客案例。5.建模风险识别发现 team_1 为胜者优先排序明确指出位置变量可能导致目标泄漏为后续机器学习任务提供必要的数据治理依据。三、实证分析1. 基础数据特征与质量核验数据表记录数字段数重复行缺失单元格matches.csv92150106teams.csv486012两张表均不存在重复行match_id 与 team 均可作为唯一标识。matches 表中的 group 缺失 20 条恰好对应 20 场淘汰赛属于结构性缺失notes 只在特殊比赛中填写缺失不需要插补。teams 表中的 eliminated_round 为空表示当前快照下尚未记录出局也不能直接解释为最终晋级。关系场次score_1 score_269score_1 score_223score_1 score_20非平局且 winner ! team_102. 参赛球队结构conf_counts teams[confederation].value_counts().sort_values(ascendingTrue) fig, ax plt.subplots(figsize(10, 5.8)) bars ax.barh(conf_counts.index, conf_counts.values, colorsns.color_palette(crest, len(conf_counts)), edgecolorwhite) ax.bar_label(bars, padding4, fontsize10, fontweightbold) ax.set_title(2026 FIFA 世界杯参赛球队的洲际足联构成) ax.set_xlabel(球队数量) ax.set_ylabel() ax.xaxis.set_major_locator(MaxNLocator(integerTrue)) sns.despine(leftTrue, bottomTrue) save_show(01_confederation_team_counts.png, fig)UEFA 共有 16 支球队是数量最多的洲际足联CAF 有 10 支AFC 有 9 支。数据中包含 3 支东道主和 4 支世界杯新军。参赛数量差异意味着洲际表现不能用总胜场直接比较后续需要转为场均指标和比例指标。3. 赛事阶段与进球分布赛事阶段场次进球场均进球平局点球决胜Group Stage722152.99200Round of 3216422.6203Round of 164123.0000全部 92 场比赛共打入 269 球场均 2.92 球中位数为 3 球。小组赛场均 2.99 球32 强赛下降至 2.62 球说明进入淘汰赛后比赛整体更谨慎。当前仅有 4 场 16 强赛其场均值仍容易受个别比赛影响。总进球的四分位数分别为 2、3 和 4 球说明一半比赛集中在 2—4 球区间。共有 32 场比赛至少打入 4 球占全部比赛的 34.8%。4. 比分结构与比赛形态5. 时间节奏与高比分比赛daily matches.groupby(date).agg( Matches(match_id, count), Goals(total_goals, sum), Avg_Goals(total_goals, mean) ).reset_index() fig, ax1 plt.subplots(figsize(13, 6)) ax1.bar(daily[date], daily[Goals], colorCOLORS[blue], alpha0.78, label每日总进球) ax1.set_ylabel(每日总进球, colorCOLORS[blue]) ax1.tick_params(axisy, labelcolorCOLORS[blue]) ax1.xaxis.set_major_locator(mdates.DayLocator(interval3)) ax1.xaxis.set_major_formatter(mdates.DateFormatter(%m-%d)) plt.setp(ax1.get_xticklabels(), rotation45, haright) ax2 ax1.twinx() ax2.plot(daily[date], daily[Avg_Goals], colorCOLORS[gold], markero, linewidth2.2, label场均进球) ax2.set_ylabel(当日场均进球, colorCOLORS[gold]) ax2.tick_params(axisy, labelcolorCOLORS[gold]) ax1.set_title(赛事期间每日进球产出与场均进球变化) ax1.set_xlabel(比赛日期) ax1.grid(axisx, visibleFalse) lines1, labels1 ax1.get_legend_handles_labels() lines2, labels2 ax2.get_legend_handles_labels() ax1.legend(lines1 lines2, labels1 labels2, locupper right) save_show(05_daily_goal_trend.png, fig)每日总进球同时受比赛数量和比赛开放程度影响。2026-06-24 共进行 6 场比赛并产生 20 球是当前总进球最高的比赛日但若观察场均指标部分仅有 4 场比赛的日期也可能更加开放。因此博客分析中应同时呈现总量与均值避免把“赛程密集”误判为“进攻效率更高”。6. 小组赛积分与竞争强度本文用平局率权重 45%、积分极差的反向得分35%和净胜球极差的反向得分20%构建竞争强度指数。G 组以 73.0 分排名第一主要原因是平局比例高且积分分布相对集中I 组竞争强度最低法国的全胜与伊拉克的大比分失利拉大了组内差距。该指数属于解释性指标其权重可根据博客主题调整。7. 球队攻防效率team_scatter team_stats[team_stats[MP] 3].copy() fig, ax plt.subplots(figsize(11, 7)) sns.scatterplot(datateam_scatter, xGF_per_Match, yGA_per_Match, sizeMP, hueconfederation, sizes(70, 220), alpha0.82, axax, palettetab10) for _, row in team_scatter.nlargest(8, GD).iterrows(): ax.annotate(row[team], (row[GF_per_Match], row[GA_per_Match]), xytext(5, 5), textcoordsoffset points, fontsize8) ax.axvline(team_scatter[GF_per_Match].median(), colorCOLORS[gray], linestyle--, linewidth1) ax.axhline(team_scatter[GA_per_Match].median(), colorCOLORS[gray], linestyle--, linewidth1) ax.set_title(球队攻防效率定位图) ax.set_xlabel(场均进球越高越好) ax.set_ylabel(场均失球越低越好) ax.legend(bbox_to_anchor(1.02, 1), locupper left) save_show(11_team_attack_defense_scatter.png, fig)\攻防散点图以场均进球为横轴、场均失球为纵轴。右下象限代表“高进球、低失球”的理想区域左上象限则代表进攻不足且防守承压。气泡大小对应出场次数能够提醒读者不同球队的样本量并不完全相同。8. 洲际足联表现洲际足联球队数场均积分场均进球场均净胜球出线率CONMEBOL61.831.440.7283.3%UEFA161.752.020.6981.2%CAF101.331.33-0.1080.0%CONCACAF61.111.39-0.1750.0%AFC90.670.85-1.2622.2%OFC10.331.33-2.000.0%出线率与场均积分的结论基本一致但两者并非完全等价积分反映小组赛过程出线率反映结果阈值。由于 OFC 仅有 1 支球队0% 出线率不能代表稳定的洲际水平小样本比例必须谨慎解释。9. 东道主与世界杯新军10. 淘汰赛紧张度与指标相关性当前共有 20 场淘汰赛其中 11 场在常规比分上只差 1 球另有 3 场进入点球决胜。32 强赛场均进球较小组赛下降且一球差比赛占比较高说明淘汰赛的容错空间更小。、四、核心结论1.赛事进球产出较高92 场比赛共 269 球场均 2.92 球小组赛场均 2.99 球32 强赛降至 2.62 球。2.比分以中低比分为主最常见比分是 1-0至少一方零封的比赛占 45.7%但仍有 34.8% 的比赛达到 4 球或以上。3.法国是当前综合表现最突出球队之一5 战全胜并打入 14 球西班牙 4 场比赛全部零封防守效率领先。4.小组均衡度差异显著G 组在本文竞争强度指数中排名最高I 组因头尾差距较大而最低。5.洲际表现方面CONMEBOL 小组赛场均积分最高UEFA 在场均积分、进球和出线率上也保持较强整体表现。。。。。。。五、局限性与扩展方向1.阶段性数据只有 92 场比赛尚未覆盖完整 104 场赛程淘汰赛样本尤其有限。2.变量维度有限缺少控球率、射门、射正、角球、犯规、球员事件、xG、FIFA 排名和 Elo 等解释变量。具体细节见原文创造不易谢谢各位多多点赞收藏