[PYTHON] Es scheint, dass eine neue Lotterie mit einer Gesamtpunktzahl in der Sportlotterie beginnen wird.

Hintergrund

• Die Sportlotterie ist eines der vom japanischen Sportförderungszentrum (JAPAN SPORT COUNCIL) betriebenen Unternehmen und wird verkauft, um Mittel für die "Sportförderung" zu erhalten. Japanisches Sportförderungszentrum: Sportförderungs-Abstimmungsgeschäft
• "MEGA BIG", das den maximalen Gewinn von 600 Millionen Yen in der Sportlotterie überschreitet, wird ab diesem Monat veröffentlicht.
• "BIG" steht für 14 Spiele mit Siegen, Divisionen und Verlusten und "MEGA BIG" für 12 Spiele mit einer Gesamtpunktzahl von 1 Punkt oder weniger, 2 Punkten, 3 Punkten und 4 Punkten oder mehr.

• Jenseits des verzweifelten "BIG" ist es "MEGA BIG", das es nicht einmal beschreibt.

Hauptthema

• Wie ist die Verteilung der Gesamtpunktzahl in J-League-Spielen?
• 6.130 Spiele wurden in den 6 Jahren von 2014 bis 2019, als die J3-Liga begann, ins Visier genommen.
• Die Aufteilung ist J1: 1.836 Spiele, J2: 2.772 Spiele, J3: 1.522 Spiele.

Prozessablauf

1. Holen Sie sich von 2014 bis 2019 Daten von der Zeitplan- / Ergebnisseite der Jleague Data Site
2. Lesen Sie die in 1) erhaltene CSV-Datei und erstellen Sie einen "DataFrame".
3. Erstellen Sie außerdem einen separaten "DataFrame" nur für J1, J2 und J3.
4. Erstellen Sie 4 Diagramme mit matplotlib.
5. Aggregieren Sie die "Gesamtpunktzahl" auf 1 Punkt oder weniger, 2 Punkte, 3 Punkte, 4 Punkte oder mehr von "MEGA BIG".
6. Machen Sie ein Diagramm der aggregierten Ergebnisse.

Code

① Rufen Sie von 2014 bis 2019 Daten von der Zeitplan- / Ergebnisseite der Jleague Data Site ab

(2) Lesen Sie die in (1) erhaltene CSV-Datei und erstellen Sie einen "DataFrame".

col_name = ['Jahr','Turnier','Sektion','Spieltag','K/O Zeit','Zuhause','Ergebnis','Weg','Stadion','Besucher','Fernsehübertragung']
results = pd.DataFrame(index=[], columns=col_name)

for f in files:
    tmp_data = pd.read_csv(f, sep=',', encoding='utf-8')
    results = results.append(tmp_data, ignore_index=True, sort=False)

③ Erstellen Sie außerdem "DataFrame" separat nur für J1, J2 und J3.

#Gesamtpunktzahl der Daten nur für J1, J2 und J3
score_J1 = score_data[score_data['Turnier'] == 'Ｊ１']
idx_J1 = sorted(score_J1['Gesamtpunktzahl'].unique())
scoreJ1 = pd.DataFrame({'Gesamtpunktzahl':idx_J1, 'cnt':score_J1['Gesamtpunktzahl'].value_counts()}, index=idx_J1)
scoreJ1 = scoreJ1.reset_index().drop('index', axis=1)

score_J2 = score_data[score_data['Turnier'] == 'Ｊ２']
idx_J2 = sorted(score_J2['Gesamtpunktzahl'].unique())
scoreJ2 = pd.DataFrame({'Gesamtpunktzahl':idx_J2, 'cnt':score_J2['Gesamtpunktzahl'].value_counts()}, index=idx_J2)
scoreJ2 = scoreJ2.reset_index().drop('index', axis=1)

score_J3 = score_data[score_data['Turnier'] == 'Ｊ３']
idx_J3 = sorted(score_J3['Gesamtpunktzahl'].unique())
scoreJ3 = pd.DataFrame({'Gesamtpunktzahl':idx_J3, 'cnt':score_J3['Gesamtpunktzahl'].value_counts()}, index=idx_J3)
scoreJ3 = scoreJ3.reset_index().drop('index', axis=1)

④ Erstellen Sie 4 Diagramme mit matplotlib.

#Grafik J1, J2, J3 und das Ganze
fig = plt.figure(figsize=(16,9),dpi=144)
fig.subplots_adjust(hspace=0.4)

#Ursprüngliche Einstellungen für den Grafikstil
plt.style.use("mystyle")
plt.rcParams["font.family"] = "IPAexGothic"

#Zum Speichern von Diagrammobjekten
axes = []
score_list = [scoreJ1['Gesamtpunktzahl'], scoreJ2['Gesamtpunktzahl'], scoreJ3['Gesamtpunktzahl'], score_all['Gesamtpunktzahl']]
cnt_list = [scoreJ1['cnt'], scoreJ2['cnt'], scoreJ3['cnt'], score_all['cnt']]
cat_list = ['J1', 'J2', 'J3', 'ALL']

#Durchlaufen Sie 4 Diagramme von J1, J2, J3, ALL
for i in range(4):
    axes.append(fig.add_subplot(4,1,i+1))
    axes[i].bar(score_list[i], cnt_list[i])
    [axes[i].text(score_list[i][s], cnt_list[i][s]+25, str(score), size=12, color='r', ha='center') for s, score in enumerate(cnt_list[i])]
    axes[i].set_xticks(np.arange(0,16,1))
    axes[i].set_ylabel(cat_list[i])
    axes[i].set_ylim(0,1500)
    axes[i].text(15-1, 1500-200, 'n:'+str(sum(cnt_list[i])))

plt.xlabel('Gesamtpunktzahl')

txt1 = 'Ich habe versucht, die Gesamtpunktzahl des Spiels in der J League zu visualisieren.'
fig.text(.05, .9, txt1, fontsize=32, horizontalalignment="left")
txt2 = "Quelle: JLeague Data Site"
fig.text(.9, .05, txt2, fontsize=14, horizontalalignment="right")

plt.savefig('./img/score.png')
plt.show()

⑤ Fügen Sie der "Gesamtpunktzahl" die Spalte "Mega" mit 1 Punkt oder weniger, 2 Punkten, 3 Punkten, 4 Punkten oder mehr von "MEGA BIG" hinzu.

#Machen Sie eine MEGA-Score-Klassifizierung
def mega(df):
    if df in (2, 3):
        return df
    elif df <= 1:
        return 1
    elif df >=4:
        return 4

score_data['Mega'] = score_data['Gesamtpunktzahl'].apply(mega)

⑥ Erstellen Sie ein Diagramm der aggregierten Ergebnisse.

Zusammenfassung

• In jeder Liga beträgt die kumulierte Summe von 0 Punkten, 1 Punkt, 2 Punkten und 3 Punkten ungefähr 75% der Gesamtsumme.
• Anstatt 5 Arten von 0 Punkten, 1 Punkt, 2 Punkten, 3 Punkten und 4 Punkten oder mehr zu verwenden, scheint die Erscheinungsrate gemittelt worden zu sein und 0 Punkte und 1 Punkt wurden auf 1 gesetzt, um 4 Arten zu erstellen. (Vermuten)
• Es gab wenig technisches Teilen, und der Fokus lag auf dem Teilen von Fakten.
• Die Codemenge kann reduziert werden, indem mehrere Zeichnungen auf "für" in der Grafik und "Einschlussnotation" wiederholt werden.
• Leider soll die Sportlotterie noch mehr ** "Spende ohne Belohnung" ** geworden sein.