[멋쟁이사자처럼 데이터분석 부트캠프 5기] EDA 프로야구 데이터⚾️ 분석 해보기

0. 학습목표

✅ 수업시간에 배운 내용 정리하기
✅ 데이터 정제 혼자 해보기
✅ 삼성 라이온즈에 대한 분석 더 해보기

---

1. 데이터 훑어보기 & 전처리

오늘의 데이터는 프로야구 데이터이다 🧢⚾️

---

분석에 앞서서 전처리를 할 것인데,, (사실 이 부분이 좀 어려웠다)

롯데 vs 삼성 경기에서 롯데가 이겼다고 하자,
그럼 이때 나는 분석을 위해서 롯데의 입장으로 이겼다와 삼성의 입장으로 졌다.
이 두가지 데이터를 보고싶다.

즉, 한 경기에 참여하는 두 팀의 입장 모두 데이터로 보고싶다는 뜻 !!
근데 위 데이터에서 팀1을 기준으로 했을 때, 팀1의 입장만 볼 수 있다.

그래서 위 데이터프레임을 카피해서 df2에 넣어주고 팀1 ↔️ 팀2 를 바꾼 df2를 df1에 concat 해줄 것이다.

---

# 원본 데이터를 df1에 넣어준다.
df1 = pd.read_csv('data/baseball2.csv')

# 데이터 프레임을 복제한다.
df2 = df1.copy()
# 컬럼 이름을 변경한다.
df2.columns = ['경기일자', '팀2이름', '팀1이름', '팀2점수', '팀1점수']

# 두 데이터 프레임을 합친다.
df3 = pd.concat([df1, df2])
df3.reset_index(inplace=True, drop=True)
df3

ㄴ 기존엔 8749행인데, concat하고 17498행으로 늘어난 것을 확인 

 

---

2. 데이터 전처리

먼저, 팀1, 팀2의 이름을 확인해보면

# 팀 이름을 확인한다.
a1 = df3['팀1이름'].value_counts()
a2 = df3['팀2이름'].value_counts()

display(a1)
display(a2)

사진은 팀1만 가져옴 ㅎㅎ

 

🚨 Issues 🚨

- 옛날 데이터라서 넥센이 존재한다   ➡️ 키움으로 합치기
- 옛날 데이터라서 SK가 존재한다   ➡️ ssg으로 합치기
- kt, KT 두 개가 존재한다   ➡️ KT로 합치기
- 나눔, 드림, 웨스턴, 이스턴은 올스타전이기 때문에 현재 분석에서는 빼기로 한다   ➡️ drop 하기

# 팀 이름이 넥센인 것인 것을 키움으로 변경한다.
idx1 = df3.query('팀1이름 == "넥센"').index
df3.loc[idx1, '팀1이름'] = '키움'

idx2 = df3.query('팀2이름 == "넥센"').index
df3.loc[idx2, '팀2이름'] = '키움'

# 팀 이름이 kt인 것인 것을 KT으로 변경한다.
idx3 = df3.query('팀1이름 == "kt"').index
df3.loc[idx3, '팀1이름'] = 'KT'

idx4 = df3.query('팀2이름 == "kt"').index
df3.loc[idx4, '팀2이름'] = 'KT'

# 팀 이름이 sk 인 것을 ssg로 변경한다.
idx5 = df3.query('팀1이름 == "SK"').index
df3.loc[idx5, '팀1이름'] = 'SSG'

idx6 = df3.query('팀2이름 == "SK"').index
df3.loc[idx6, '팀2이름'] = 'SSG'


# 올스타전 Drop
drop_list = ['드림', '나눔', '이스턴', '웨스턴']

idx7 = df3.query('팀1이름 in @drop_list or 팀2이름 in @drop_list').index

df3.drop(idx7, inplace=True)

 

---

🏆 경기 결과 컬럼을 추가하자

#파생변수

일단 '경기결과' 컬럼에 '비김' 이라는 값을 넣어두고,
조건문을 이용하여 '승리' 와 '패배'를 값으로 넣어준다.

# 경기 결과 컬럼을 추가한다.
df3['경기결과'] = '비김'

# 팀1이 이긴 경기를 가져온다.
idx1 = df3.query('팀1점수 > 팀2점수').index
df3.loc[idx1, '경기결과'] = '승리'

# 팀1이 진 경기를 가져온다.
idx2 = df3.query('팀1점수 < 팀2점수').index
df3.loc[idx2, '경기결과'] ='패배'

df3['경기결과'].value_counts()

ㄴ 결과에서 승리와 패배 값이 같은건 당연하다.
df3은 df1과 df2(df1의 팀1, 팀2 순서 바꿔놓은)를 합친 것이기 때문에
팀1과 팀2의 구성은 동일하다.

---

3. EDA

1) 각 팀이 치른 경기 횟수를 구해보자.

# 필요한 데이터 가져오기
df4 = df3[['팀1이름', '경기결과']]
play_count = df4.groupby('팀1이름').count()

# 내림차순으로 가져오기
play_count.reset_index().sort_values('경기결과', ascending = False)

 

---

2) 각 팀의 승리 횟수를 구해보자

# 승리한 팀만 가져오기
df4 = df3.query('경기결과 == "승리"')
df5 = df4[['팀1이름', '경기결과']]
win_count = df5.groupby('팀1이름').count()
win_count

---

3) 위 데이터들을 이용하여 각팀의 승률을 구해보자

승률 =( 이긴 횟수 / 총 경기 횟수) * 100

team_win_rate = win_count / play_count * 100
# 정수형으로 타입 변환
team_win_rate = team_win_rate.astype('int')
team_win_rate = team_win_rate.sort_values('경기결과', ascending = False)

야구는 잘 모르지만 한화는 잘 안다.... 여러 의미로 ㅋㅋ

 

승률 시각화 해보기

seaborn의 barplot으로 그려보자.

a1 = team_win_rate.reset_index()
a1.columns = ['팀1이름', '승률']


sns.barplot(data = a1, x = '팀1이름', y = '승률', hue = '팀1이름', palette='summer')
plt.show()

 

---

4) 삼성의 승률이 가장 낮았던 해에 삼성과 맞붙은 팀들의 상대승률을 구해보자 (개인 분석)

야구에 대해 별로 관심은 없지만 연고지 야구팀 분석은 해봐야하지 않겠나...ㅎㅎ

분석 순서

• 삼성라이온즈의 년도별 승률을 구한다.
• 승률을 오름차순 정렬한다.
• 0번째 행(승률이 가장 낮은 행)의 년도를 가져온다.
• 해당 해에 삼성과 경기한 팀 들의 승률을 구해서 시각화 한다.

 

# 삼성의 년도별 승률을 구하기
# 경기일자가 yyyy-mm-dd 형태이므로 문자열 4번째 까지의 값만 년도에 넣어준다.
df3['경기년도'] = df3['경기일자'].str[:4]

# 삼성의 년도별 승률
# 경기일자가 yyyy-mm-dd 형태이므로 문자열 4번째 까지의 값만 년도에 넣어준다.
df3['경기년도'] = df3['경기일자'].str[:4]

# 필요한 데이터 가져오기
df4 = df3[['팀1이름', '경기결과', '경기년도']]

# 삼성 팀의 데이터를 가져온다.
samsung = df4.query('팀1이름 == "삼성"')
# 승리한 경기만 가져오기
win_game = samsung.query('경기결과 == "승리"')
    
# 각 년도별 경기 횟수 가져오기
total_by_year = samsung.groupby('경기년도')['경기결과'].count()
# 각 년도별 승리 횟수 가져오기
win_by_year = win_game.groupby('경기년도')['경기결과'].count()
    
# 승률 구하기
win_rate = win_by_year / total_by_year * 100
win_rate = win_rate.astype('int')
win_rate = win_rate.sort_index()


win_rate_sort = win_rate.sort_values()
print("samsung의 년도별 승률")
print(win_rate_sort)

와우 꽤나 최근에 많이 떨어졌군 .... 

 

이제 삼성의 승률이 가장 낮았던 년도를 bad_year에 저장해준다.

# 삼성의 승률이 가장 낮았던 년도
bad_year = win_rate_sort.index[0]

이제 삼성에 이긴 팀들의 승률을 계산한다.

# 삼성의 승률이 가장 낮았던 년도
bad_year = win_rate_sort.index[0]
# 해당 년도의 게임만 가져온다.
df5 = df3.query('경기년도 == @bad_year')

# 삼성이 팀1로 참가했고 패배한 경기만 필터링
samsung_loss = df5.query('팀1이름 == "삼성" and 경기결과 == "패배"')

# 상대 팀 이름 가져오기 (팀2의 이름)
opponent_wins = samsung_loss['팀2이름'].value_counts()

opponent_wins

기아랑 두산이 많이 이겼군....
근데, 이긴 경기 횟수는 사실 지표로 보기 어렵다.
왜냐면 각 팀별로 경기한 횟수가 다 다르기 때문..!
그래서 상대지표인 승률로 봐야한다.

이제 시각화를 위해 삼성 상대승률을 구해보자!

# 삼성의 승률이 가장 낮았던 년도
bad_year = win_rate_sort.index[0]
# 해당 연도 경기만 추출
samsung_games = df3.query('경기년도 == @bad_year')

### 참고: 경기 결과는 팀1을 기준으로 승리, 패배이다.
# 삼성이 팀1인 경우, 경기결과가 패배면 팀2가 승
team1_loss = samsung_games.query('팀1이름 == "삼성" and 경기결과 == "패배"')
team1_total = samsung_games.query('팀1이름 == "삼성"').groupby('팀2이름').size().to_frame('총경기수')
team1_wins = team1_loss.groupby('팀2이름').size().to_frame('삼성 상대승')


#  삼성이 팀2인 경우, 경기결과가 승리면 팀1가 승
team2_loss = samsung_games.query('팀2이름 == "삼성" and 경기결과 == "승리"')
team2_total = samsung_games.query('팀2이름 == "삼성"').groupby('팀1이름').size().to_frame('총경기수')
team2_wins = team2_loss.groupby('팀1이름').size().to_frame('삼성 상대승')

# 두 경우를 합치기
total_games = pd.concat([team1_total, team2_total]).groupby(level=0).sum()
win_games = pd.concat([team1_wins, team2_wins]).groupby(level=0).sum()

win_rate = (win_games['삼성 상대승'] / total_games['총경기수'] * 100).round(0)

print(win_rate)

 

휴 코드 너무 어렵다...

이제 위 데이터로 시각화를 할건데 seaborn의 barplot으로 해볼 것이다.

sns.barplot(win_rate, palette = 'summer')

 

🧠 그래프 해석해보기

기아와 두산의 상대 승률이 가장 높고, 한화가 가장 낮다.
승률만 봤을 땐 NC가 높았는데, 삼성 상대 승률은 하위권이다.
왜이럴까..? 야알못인 나는 무슨 사건이 있었는지,,, 왜그런지 잘 모르겠다. ㅎㅎ;;

---

💭 느낀 점 및 향후 계획

지난번 보다 코드 난이도가 조금 더 올라가서 그런가 좀 더 버거웠다.
그래도 지피티 도움으로 꾸역꾸역 원하는 분석에 성공하니 뿌듯하다.

최근에 태블로를 배우고 있는데, 태블로에서도 분석을 해보고 싶다.
삼성라이온즈 테마로 대시보드도 꾸며볼까....? 생각 중 !!

휴강일이나 주말에 꼭 만들어 봐야겠다.

 

출처 : 멋쟁이사자처럼