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。

Python

【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…

【データ可視化×Python】foliumを使って福島県の統計データを地図上に可視化してみる(コロプレス図)

今回はfoliumというPythonのライブラリを使ってコロプレス図を作成してみたいと思います。コロプレス図は、選挙の時などに使用される「データを元に区域毎に色分けされた地図」のことです。地域毎の統計データは豊富にありますし、何より可視化することで直…

【Python】Twitter APIを使ってツイートデータを取得してみる

今回はスクレイピングとはまた違ったデータ取得方法についてです。最近流行りのAPI(アプリケーションプログラミングインターフェイス)を使って、Twitterのデータを取得して見たいと思います。その後のネットワーク分析を見据えて、ハッシュタグをリスト化…

【Python】googletransを使って日本語のデータを英語に変換(翻訳)してみる

ネットワーク分析に挑戦した際に、Google Colabだとmatplotlibの日本語表記対応が出来ず詰んでいた(元データは全て日本語だったので)時に思いついた荒技の紹介です。「元データから全部英語に変換しちゃえばいいんじゃね?」との発想でググって見るとGoogl…

【Python】matplotlibを使って出場時間データをヒットマップで可視化してみる

今回は選手別の出場時間のデータから、Pythonの描画ライブラリmatplotlibを使ってグラフィカルに可視化する方法をまとめておきます。グラフィカルに表示することで、下記の記事見たいなことが感覚的に分かります。 96lovefootball.hatenablog.com

【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。

【Python】matplotlibで色々な棒グラフを描画してみる

以前の記事で作成したmatplotlibを使った様々な棒グラフの描画方法について、今回も備忘録を兼ねて記載しておきます。 96lovefootball.hatenablog.com

【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

【Python】matplotlibで折れ線グラフの見た目を調整してみる

以前の記事で作成したmatplotlibを使った折れ線グラフの描画方法について、備忘録も兼ねて記載しておきます。 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…

【Python】matplotlibでの可視化をもう少し詳しく見てみる

今回は、前回さくっと飛ばしてしまったグラフの描画について、もう少し深く理解していきたいと思います。

【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…

【Python】Google Colaboratoryを使ってみる:ファイルの読み込み

これまでいくつかサッカーの試合を観ながら分析を行ってきましたが、今後はよりスタッツから洞察したりとよりデータに着目していきたいと考えています。そこで今流行りの Pythonをゼロから学んでいき、このブログでアウトプットの場にしていきます。 今回は…