サッカーを通じて観戦力と分析力を上げていくブログ

基本的にはサッカー×データに関して試してみたことをまとめています。最近はもっぱらPythonを使った可視化中心。時々自分の好きなガジェットも。

サッカー

【データ可視化】プレミアリーグの放映権料を可視化してみる

プレミアリーグの放映権料周りの数字が公式サイトで公開されていたのでサクッと可視化していきます。データ自体は5月に発表されたものですが、プレミアリーグが始まるこのタイミングで改めて見てみたいと思います。

【データ可視化】JクラブのPL周りの数字を可視化してみる-費用・利益編-

前回の収益編に引き続いて、今度は各クラブの費用と利益について可視化していきます。 96lovefootball.hatenablog.com

【データ可視化】JクラブのPL周りの数字を可視化してみる-収益編-

前回Power BIを使って「Jクラブ個別経営情報開示資料」を可視化できるようにしたので、実際に色々と可視化してみます。各クラブがどういった収益構造になっているのか、ビジネスとして成功しているクラブがどこなのかを明らかにしていきます。 96lovefootbal…

【データ可視化】チャンピオンズリーグ出場クラブをサプライヤー目線で色々見てみる

下の記事にあるように、サッカークラブはスポーツメーカーと巨額のスポンサー・サプライヤー契約を結んでいます。現在の契約では最高額となるバルサの例では、年間約150億円を受け取る契約となっており、その金額の凄まじさが分かると思います。 www.indepen…

【データ分析×Python】Jリーグスタジアムの商圏(30km)内の人口を可視化してみる-九州・沖縄編-

最終回は九州と沖縄編です。ここまで見てきた感じだと「人口が少ないと集客も厳しくなる、ただし多いからといって必ずしも集客が増える訳ではない」といった傾向でしたが、九州・沖縄ではどうでしょうか。早速見ていきたいと思います。記事の最後にこれまで…

【データ分析×Python】Jリーグスタジアムの商圏(30km)内の人口を可視化してみる-中四国編-

これまでJクラブのスタジアム商圏と人口を可視化してきましたが、いよいよ残りは2回です。今回は中四国をまとめて見てきます。

【データ分析×Python】Jリーグスタジアムの商圏(30km)内の人口を可視化してみる-関西編-

前回から間隔が空いてしまいましたが、引き続き人口とスタジアムの関係を可視化していきたいと思います。今回は関西を見てみます。

【データ分析×Python】Jリーグスタジアムの商圏(30km)内の人口を可視化してみる-中部編-

引き続きJクラブのスタジアムの商圏内の人口を可視化していきます。今回はサッカー王国静岡県のある中部地方を可視化してみます。北海道・東北地方は商圏内の人口が多いほど観客数も多い傾向にありましたが、こちらはどうなのでしょうか。

【データ分析×Python】Jリーグスタジアムの商圏(30km)内の人口を可視化してみる-北海道・東北編-

前回に引き続きJクラブのスタジアムの商圏内の人口を可視化していきます。今回は北海道と東北地域を対象に可視化します。

【データ分析×Python】Jリーグスタジアムの商圏(30km)内の人口を可視化してみる-関東編-

先日参加したセミナーで鹿島アントラーズの方が「Jリーグの商圏はスタジアムから30km圏内」と言っていたので、各クラブが圏内にどのくらいの人口を持っているのかPythonで可視化してみようと思います。データが多いので地方別にアウトプットしていき、最後に…

【小ネタ】フィルミーノの変化をタックル数インターセプト数から見てみる

少し前の記事ですが、Twitterのタイムライン上に下記記事が流れてきました。全体として非常に興味深いのですが、個人的に冒頭の「2015年夏の渡英以来、プレミアのFWでタックルとインターセプトの合計数が最も多いという守備の貢献度を示すスタッツ」という一…

【Parsers】Chromeの拡張機能を使ってお手軽にクローリング/スクレイピングをしてみる

分析の環境が整いつつある昨今で大事になってくるのが元となるデータです。そのデータをWebから収集する技術であるスクレイピングに、これまでも何度か挑戦してきましたが、思い通りの結果が出なかったり意外と労力がかかっていました。今回は、そんな少しハ…

【データ分析 × Python】プレミア上位4クラブの選手別出場時間をヒートマップで可視化してみる

Twitterで見つけた可視化にインスピレーションを受けて、プレミアリーグの選手別出場時間をヒートマップで可視化してみました。グラフィカルにすることで直感的に感じれる部分も多々あるので、そこを中心に見ていきます。

【データ分析 × Python】いわきFC2019年新加入選手のBMIを見てみる

先日ふといわきFCのサイトに訪れたところ、選手情報が最新の情報へ更新されていたので、改めてBMI値を見てみたいと思います。ちなみに2018年末時点でのBMIはこんな感じでした。 96lovefootball.hatenablog.com

【データ分析 × Python】リヴァプールの前半戦をスタッツから振り返ってみる(パス編)

以前の振り返りに引き続き今回はパス周りのスタッツを見ていきます。後半戦を観ていくためにも、リヴァプールのスタッツがどんな値なのか感覚を掴みたいと思います。 96lovefootball.hatenablog.com

【データ分析 × Python】リヴァプールの前半戦をスタッツから振り返ってみる(シュート編)

残念ながら私が応援しているリヴァプールは今節リーグ初黒星を喫しました。やはりシティは強いなぁ、後半戦の優勝争いが激化しそうだなぁ、などと思いつつも、まだ首位はリヴァプールなのでここから切り替えて欲しい次第です。さて今回は、こんなタイミング…

【データ分析 × Python】いわきFCのBMIをポジション別に見てみる

前回JリーグといわきFCの選手情報をそれぞれ集めてBMIを算出して比べてみました。折角なので今回も同じデータを使って、もう少し細かく見てみようと思います。主にはポジション別に見てどんな傾向があるのかを見ていきます。

【データ分析 × Python】「日本のフィジカルスタンダードを変える」いわきFCのフィジカルをBMIから見てみる

2017年の天皇杯で、コンサドーレ札幌を延長戦の上に下した試合が大きな話題を呼んだいわきFC。「日本のフィジカルスタンダードを変える」ことをビジョンの一つに掲げるクラブの選手たちのフィジカルが、現在のJリーグ選手たちと比べてどのようなポジションに…

【Python】Beautiful Soupを使ってJリーグ選手の情報をスクレイピングしてみる

データ分析をするにしても、肝心のデータが無ければ始まらないと言うことで、Webからデータを集める方法にも挑戦してみます。集めるといってもEXCEL等に一つ一つコピペしてては日が暮れてしまうので、Pythonでスクレイピングと呼ばれる技術を実装してみたい…

【データ分析 × Python】欧州5大リーグ所属選手の身長が正規分布に近似できるか確認してみる

引き続き、データ遊びをしていきます。最近、大学時代にかじっていた統計学を改めて勉強し直しています。数式のオンパレードで途中血へどを吐きそうになりましたが、なんとかインプットした内容をアウトプットしていきます。まずは、今回から数回に渡りPytho…

【18/19 PL Man City vs Man United】これぞ!なポジショナルプレーを見てみる

18/19シーズン最初のマンチェスターダービーです。リヴァプールを応援している身としては、優勝争いを演じることになるであろうシティに勝ち点を落として欲しかったですが、その期待とは裏腹に圧倒的な強さを見せつけて勝利しました。以前の記事でポジショナ…

【データ分析 × Python】プレミアリーグ所属選手の身長・年齢を可視化してみる

前回に引き続き「Pythonで理解する統計解析の基礎」を参考にして、Pythonを使ったデータ分析の手法を学んでいきます。今回はプレミアリーグ所属選手の身長と年齢を可視化して、より分かりやすく理解出来るようにしてみます。

【データ分析 × Python】プレミアリーグ所属選手の平均身長・年齢を見てみる

前回は「Google Colab」でのファイルの読み込みを試しました。今回は一歩進んでPythonでのデータ準備作業と簡単な計算に挑戦してみます。前回同様worldfootball.netから取得したデータを使って、プレミアリーグに所属する選手の平均身長および平均年齢を求め…

今更ながらDAZNに加入して感じた3つのメリット

長らく入ろう入ろうと思っていたDAZN。2018/19シーズンからはCLの独占放送権も獲得したこともあり、遂に先月、満を持してDAZNに加入して見ました。 結論ものすごく良いです。これまで海外サイトやニコ生を利用して低画質ながら泣く泣く見ていた方や、そもそ…