반응형
연도별 개최 국가 / 국가별 개최횟수
Data source : 월드컵 경기 결과 (1930년 우루과이 ~ 2018년 러시아)
https://github.com/rfordatascience/tidytuesday/tree/master/data/2022/2022-11-29
https://github.com/rfordatascience/tidytuesday/blob/master/data/2022/2022-11-29/wcmatches.csv
| wcmatches <- readr::read_csv('https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2022/2022-11-29/wcmatches.csv') |
- wcmatches 데이터 세트에는 1930년 우루과이부터 2018년 러시아까지 월드컵 경기 결과를 다룸
- 데이터 세트에는 경기가 진행된 도시, 승리한 팀 또는 경기 결과 , 득점, 무승부를 기록한 결과
- win_condition은 승리한 쪽이 게임에서 연장 시간 Goal, 승부 차기 발생 여부 등을 보여 줌
- 예) 2002년 한일 월드컵
Image source : https://en.wikipedia.org/wiki/2002_FIFA_World_Cup
| city | stage | home _team |
away _team |
home _score |
away _score |
out_ come |
win_conditions | winning_team | losing _team |
date |
| Daejeon | Round of 16 | South Korea | Italy | 2 | 1 | H | South Korea won in AET | South Korea | Italy | 2002- 06-18 |
| Gwangju | Quarter finals |
South Korea | Spain | 0 | 0 | H | South Korea won in penalties (5 - 3) | South Korea | Spain | 2002- 06-22 |
AET : after extra time
(축구 경기 결과를 제공할 때 허용된 일반적인 시간이 끝난 후에도 경기가 계속되었음을 보여주기 위해 사용됨)
| 월드컵 공동 개최로 합의했을 당시, 결승전은 일본에서 하고, 공식 대회 명칭은 Korea-Japan 월드컵으로 정했다고 들은 것 같다. 아래 데이터를 보면, 2002년 데이터의 country는 South Korea와 Japan으로 구분되어 있다. 2002 FIFA World Cup이 더 중요한 의미이지, 한일 (Korea-Japan) World Cup은 별의미가 없는 것 같다. 다른 나라 사람들에게는 브라질과 독일이 결승전을 한, 일본과 Yokohama가 더 기억에 남아있지 않을까? 당시 대한민국 축구협회는 어떤 생각으로 합의했을까? 내용보다는 명분이나 형식만 중요하게 여긴 것은 아니였겠지. |
wcmatches.csv
| variable | class | description |
| year | double | year (월드컵 대회 년도) |
| country | character | country (월드컵 개최국) |
| city | character | city (경기 도시) |
| stage | character | stage (예선, 16강, 8강, 준결승, 결승) |
| home_team | character | home_team (홈팀) |
| away_team | character | away_team (어웨이팀) |
| home_score | double | home_score (홈팀 점수) |
| away_score | double | away_score (어웨이팀 점수) |
| outcome | character | outcome (승림팀 : H, A 무승부 : D) |
| win_conditions | character | win_conditions (승리 조건) |
| winning_team | character | winning_team (승리 국가명) |
| losing_team | character | losing_team (패배 국가명) |
| date | double | date (경기 일자) |
| month | character | month (경기 월) |
| dayofweek | character | dayofweek (경기 요일) |
데이터 불러오기 (다운로드하여, PC에 저장한 경우)
| getwd() # 현재 working directory 확인, 파일을 저장한 곳과 Working Dierectory가 동일한지 확인 |
| wcmatches <- read.csv('wcmatches.csv') str(wcmatches) #데이터 세트 전체 구성 보기 |
| 'data.frame': 900 obs. of 15 variables: $ year : int 1930 1930 1930 1930 1930 1930 1930 1930 1930 1930 ... $ country : chr "Uruguay" "Uruguay" "Uruguay" "Uruguay" ... $ city : chr "Montevideo" "Montevideo" "Montevideo" "Montevideo" ... $ stage : chr "Group 1" "Group 4" "Group 2" "Group 3" ... $ home_team : chr "France" "Belgium" "Brazil" "Peru" ... $ away_team : chr "Mexico" "United States" "Yugoslavia" "Romania" ... $ home_score : int 4 0 1 1 1 3 0 0 1 6 ... $ away_score : int 1 3 2 3 0 0 4 3 0 3 ... $ outcome : chr "H" "A" "A" "A" ... $ win_conditions: chr "" "" "" "" ... $ winning_team : chr "France" "United States" "Yugoslavia" "Romania" ... $ losing_team : chr "Mexico" "Belgium" "Brazil" "Peru" ... $ date : chr "1930-07-13" "1930-07-13" "1930-07-14" "1930-07-14" ... $ month : chr "Jul" "Jul" "Jul" "Jul" ... $ dayofweek : chr "Sunday" "Sunday" "Monday" "Monday" ... |
| names(wcmatches) #데이터 세트 변수(컬럼명) 보기 |
| [1] "year" "country" "city" "stage" [5] "home_team" "away_team" "home_score" "away_score" [9] "outcome" "win_conditions" "winning_team" "losing_team" [13] "date" "month" "dayofweek" |
연도별 개최 국가
| library(tidyverse) no_of_host <- wcmatches %>% group_by(year, country) %>% #연도와 개최국 기준으로Grouping summarise(tmp_no = n()) # temp_no는 연도와 개최국 기준의 row 수로 의미는 없음 no_of_host <- no_of_host %>% select(-tmp_no) #의미없는 temp_no 제외 no_of_host%>% head() |
| # A tibble: 6 × 2 # Groups: year [6] year country <int> <chr> 1 1930 Uruguay 2 1934 Italy 3 1938 France 4 1950 Brazil 5 1954 Switzerland 6 1958 Sweden |
| no_of_host%>% tail() |
| # A tibble: 6 × 2 # Groups: year [5] year country <int> <chr> 1 2002 Japan 2 2002 South Korea 3 2006 Germany 4 2010 South Africa 5 2014 Brazil 6 2018 Russia |
- 데이터 세트의 country는 경기가 개최된 국가 기준으로 2002 한일월드컵은 South Korean와 Japan이 모두 나옴
상기 결과는 아래 파일로도 확인 가능
https://github.com/rfordatascience/tidytuesday/blob/master/data/2022/2022-11-29/worldcups.csv
| worldcups <- readr::read_csv('https://raw.github.com/rfordatascience/tidytuesday/blob/master/data/2022/2022-11-29/worldcups.csv') |
- worldcups 데이터 세트에는 1930년 우루과이부터 2018년 러시아까지 월드컵 경기 요약 정보를 다룸
- 데이터 세트에는 우승팀, 준우승팀, 3위팀, 4위팀 등의 정보를 제공
- 공동 개최된 2002년 월드컵의 Host는 "Japan, South Korea"로 표시
worldcups.csv
| variable | class | description |
| year | double | year (월드컵 대회 년도) |
| host | character | host (개최 국가) |
| winner | character | winner (우승팀) |
| second | character | second (준우승팀) |
| third | character | third (3위팀) |
| fourth | character | fourth (4위팀) |
| goals_scored | double | goals_scored (전체 Goal 숭) |
| teams | double | teams (참가국 수) |
| games | double | games (경기 수) |
| attendance | double | attendance (관중 수) |
| year | host | winner | second | third | fourth | goals_ scored |
teams | games | attendance |
| 1930 | Uruguay | Uruguay | Argentina | USA | Yugoslavia | 70 | 13 | 18 | 434000 |
| 1934 | Italy | Italy | Czechoslovakia | Germany | Austria | 70 | 16 | 17 | 395000 |
| 1938 | France | Italy | Hungary | Brazil | Sweden | 84 | 15 | 18 | 483000 |
| 1950 | Brazil | Uruguay | Brazil | Sweden | Spain | 88 | 13 | 22 | 1337000 |
| 1954 | Switzerland | West Germany | Hungary | Austria | Uruguay | 140 | 16 | 26 | 943000 |
| 1958 | Sweden | Brazil | Sweden | France | West Germany | 126 | 16 | 35 | 868000 |
| 1962 | Chile | Brazil | Czechoslovakia | Chile | Yugoslavia | 89 | 16 | 32 | 776000 |
| 1966 | England | England | West Germany | Portugal | Soviet Union | 89 | 16 | 32 | 1614677 |
| 1970 | Mexico | Brazil | Italy | West Germany | Uruguay | 95 | 16 | 32 | 1673975 |
| 1974 | Germany | West Germany | Netherlands | Poland | Brazil | 97 | 16 | 38 | 1774022 |
| 1978 | Argentina | Argentina | Netherlands | Brazil | Italy | 102 | 16 | 38 | 1610215 |
| 1982 | Spain | Italy | West Germany | Poland | France | 146 | 24 | 52 | 1856277 |
| 1986 | Mexico | Argentina | West Germany | France | Belgium | 132 | 24 | 52 | 2407431 |
| 1990 | Italy | West Germany | Argentina | Italy | England | 115 | 24 | 52 | 2527348 |
| 1994 | USA | Brazil | Italy | Sweden | Bulgaria | 141 | 24 | 52 | 3568567 |
| 1998 | France | France | Brazil | Croatia | Netherlands | 171 | 32 | 64 | 2859234 |
| 2002 | Japan, South Korea | Brazil | Germany | Turkey | South Korea | 161 | 32 | 64 | 2724604 |
| 2006 | Germany | Italy | France | Germany | Portugal | 147 | 32 | 64 | 3367000 |
| 2010 | South Africa | Spain | Netherlands | Germany | Uruguay | 145 | 32 | 64 | 2167984 |
| 2014 | Brazil | Germany | Argentina | Netherlands | Brazil | 171 | 32 | 64 | 3441450 |
| 2018 | Russia | France | Croatia | Belgium | England | 169 | 32 | 64 | 3031768 |
국가별 개최횟수
| wcmatches %>% group_by(year, country) %>% summarise(tmp_no = n()) %>% group_by(country) %>% summarise(host_no = n()) %>% arrange(-host_no) |
| # A tibble: 17 × 2 country host_no <chr> <int> 1 Brazil 2 2 France 2 3 Germany 2 4 Italy 2 5 Mexico 2 6 Argentina 1 7 Chile 1 8 England 1 9 Japan 1 10 Russia 1 11 South Africa 1 12 South Korea 1 13 Spain 1 14 Sweden 1 15 Switzerland 1 16 United States 1 17 Uruguay 1 |
| worldcups <- read.csv('worldcups.csv') str(worldcups) |
| 'data.frame': 21 obs. of 10 variables: $ year : int 1930 1934 1938 1950 1954 1958 1962 1966 1970 1974 ... $ host : chr "Uruguay" "Italy" "France" "Brazil" ... $ winner : chr "Uruguay" "Italy" "Italy" "Uruguay" ... $ second : chr "Argentina" "Czechoslovakia" "Hungary" "Brazil" ... $ third : chr "USA" "Germany" "Brazil" "Sweden" ... $ fourth : chr "Yugoslavia" "Austria" "Sweden" "Spain" ... $ goals_scored: int 70 70 84 88 140 126 89 89 95 97 ... $ teams : int 13 16 15 13 16 16 16 16 16 16 ... $ games : int 18 17 18 22 26 35 32 32 32 38 ... $ attendance : int 434000 395000 483000 1337000 943000 868000 776000 1614677 1673975 1774022 ... |
| worldcups %>% group_by(host) %>% summarise( host_no = n_distinct(year) ) %>% arrange (desc(host_no)) |
| # A tibble: 16 × 2 host host_no <chr> <int> 1 Brazil 2 2 France 2 3 Germany 2 4 Italy 2 5 Mexico 2 6 Argentina 1 7 Chile 1 8 England 1 9 Japan, South Korea 1 10 Russia 1 11 South Africa 1 12 Spain 1 13 Sweden 1 14 Switzerland 1 15 USA 1 16 Uruguay 1 |
- wcmatches 데이터 세트는 country 기준으로 국가별 개최 횟수를 정리하니,
한국과 일본이 구분되어 결과가 도출됨- 1930년 우르과이 대회(1회 )부터 2018년 러시아 대회(21회)의 총 개최국가는 17국
- 2회 개최 국가 : 브라질, 프랑스, 독일, 이탈리아, 멕시코 (알파벳 순)
- worldcups 데이터 세트는 host 기준으로 공동 개최한 2002년의 host가 Japan, South Korea 기준으로
결과가 도출됨- 2002년 host가 Japan, South Korea로 16개 결과 도출
- 2회 개최 국가 : 브라질, 프랑스, 독일, 이탈리아, 멕시코 (알파벳 순) (※ 상기 결과와 동일)
百聞不如一見 (백문불여일견) >>> 百聞不如一打(백문불여일타)
- 프로그래밍 언어를 배우는 사람들은 자주 듣게 되는 말이다.
- 관련 책과 유튜브 영상을 보는 것만으로는 배울 수 없다.
- 책과 유튜브 백번 보고 듣는 것보다 한번 쳐 보는 것이 더 빠르게 배울 수 있다.
- 요즘에는 '백문이불여일타'라는 말을 골프도 쓴다고 하는데, 결국은 연습이 배우는 지름길이다.
- 여러 번 하다보면, 점점 더 익숙해 진다.
728x90
'스포츠_스포츠_Sports' 카테고리의 다른 글
| Rstudio 데이터 분석 with FIFA 월드컵 데이터 #5 (대한민국) (0) | 2023.08.12 |
|---|---|
| Rstudio 데이터 분석 with FIFA 월드컵 데이터 #4 (시각화) (0) | 2023.08.11 |
| Rstudio 데이터 분석 with FIFA 월드컵 데이터 #3 (0) | 2023.08.10 |
| Rstudio 데이터 분석 with FIFA 월드컵 데이터 #2 (0) | 2023.08.09 |
| Rstudio with FIFA 월드컵 데이터 (2022년 카타르 추가) (0) | 2023.08.07 |
