1. 데이터 불러오기 및 기본 정보 확인

python
복사
import pandas as pd
import matplotlib.pyplot as plt

players = pd.read_csv('players.csv')
players_valuations = pd.read_csv('player_valuations.csv')

• players.csv : 선수 정보(이름, 생년월일, 출생 국가/도시, 포지션, 소속 클럽 등)를 담은 파일
• player_valuations.csv : 선수 가치(연도별 시장 가치)를 담은 파일

두 CSV 파일을 불러와 각각 players, players_valuations DataFrame으로 저장했습니다.

python
복사
players.info()
players.columns

• players.info() : 데이터프레임의 행(row), 열(column) 개수 및 각 컬럼의 결측치(null) 존재 여부, 데이터 타입 등을 확인합니다.
• players.columns : 열 이름을 확인합니다.

컬럼 선택 및 결측치 처리

python
복사
cols = [
    'player_id', 'first_name', 'last_name', 'name', 'last_season',
    'current_club_id', 'player_code', 'country_of_birth', 'city_of_birth',
    'country_of_citizenship', 'date_of_birth', 'sub_position', 'position'
]
players = players[cols]
players.isnull().sum()  # 각 컬럼별 결측치 개수 확인
players.dropna(inplace=True)  # 결측치 제거
players.isnull().sum()

• 불필요하거나 분석에 사용하지 않을 컬럼을 제외한 뒤, 결측치가 있는 행은 모두 제거합니다.
• 프로젝트 목적에 따라 결측치를 제거(또는 대체)하는 방식을 결정합니다.

---

2. 탐색적 분석(Descriptive Statistics)

2.1 고유값(Unique Values) 개수 파악

python
복사
def count_value(df, column):
    count = len(df[column].unique())
    print(f'Total {column}: {count}')

ads = ['player_id', 'current_club_id', 'country_of_citizenship']

for column in ads:
    count_value(players, column)

• player_id, current_club_id, country_of_citizenship 컬럼 각각에 대해 고유값의 개수를 확인합니다.
• 예: country_of_citizenship에 대한 값들을 보면, 선수들이 어느 나라 출신이 가장 많은지, 대략적인 분포 파악이 가능합니다.

2.2 선수 가치 데이터 확인

python
복사
players_valuations.info()
players_valuations.describe()

• players_valuations.info()를 통해 행/열 개수, 결측치 여부, 데이터 타입 확인
• players_valuations.describe()로 기초 통계값(평균, 표준편차, 최소/최대, 사분위수 등) 확인

python
복사
mean_ = players_valuations['market_value_in_eur'].mean()
over_mean = len(players_valuations[players_valuations['market_value_in_eur'] > mean_])
total = len(players_valuations)
print(f'percentile of player over mean: {over_mean / total * 100: .2f}%')

• 시장 가치(market_value_in_eur) 평균을 기준으로, 평균을 초과하는 선수 비율이 얼마나 되는지 계산했습니다.

---

3. 데이터 병합 및 전처리

3.1 players 와 players_valuations 병합(Merge)

python
복사
players_with_val = pd.merge(players, players_valuations, on='player_id')

• player_id를 기준으로 두 DataFrame을 Inner Join(기본 설정)하여 하나의 DataFrame(players_with_val)으로 통합

python
복사
players_with_val['dateyear'] = players_with_val['date'].apply(lambda x: int(x[:4]))
players_with_val['age'] = players_with_val['dateyear'] - players_with_val['date_of_birth'].apply(lambda x: int(x[:4]))

players_with_val.drop_duplicates(['player_id', 'dateyear'], keep='last', inplace=True)

• date 컬럼에서 연도(year)만 추출하여 dateyear라는 새로운 컬럼 생성
• 출생 연도(date_of_birth)와 비교하여 선수 나이(age) 계산
• (player_id, dateyear) 중복 행은 마지막 행만 남기고 제거
  • 예: 한 선수가 같은 연도의 여러 데이터(시가치 변동 등)가 있을 경우 마지막 업데이트 값을 사용

3.2 컬럼 정리 및 이름 변경

python
복사
cols_2 = [
    'player_id', 'current_club_id_y', 'first_name', 'last_name', 'name', 'last_season_x',
    'country_of_citizenship', 'city_of_birth', 'position', 'sub_position',
    'dateyear', 'age', 'market_value_in_eur'
]
players_with_val = players_with_val[cols_2]

players_with_val.rename(columns={
    'current_club_id_y':'current_club_id',
    'last_season_x':'last_season'
}, inplace=True)

• 분석에 필요한 컬럼만 골라 최종 정리
• 구분하기 어려운 컬럼(_y, _x) 등을 적절한 이름으로 변경

---

4. 데이터 분석 예시

4.1 2022 시즌 가치(Ranking)

python
복사
players_with_val_2022 = players_with_val[
    (players_with_val['dateyear'] == 2022) & (players_with_val['last_season'] == 2022)
]
players_with_val_2022['market_value_in_eur'] = players_with_val_2022['market_value_in_eur'].rank(method='min', ascending=False)
players_with_val_2022.sort_values(by='market_value_in_eur')

• 2022년 데이터를 필터링하여, 시장 가치를 역순(높은 가치부터)으로 순위를 매깁니다.
• sort_values(by='market_value_in_eur')로 정렬 후, 상위 선수가 누구인지 살펴봅니다.

---

5. 선수 가치 추이(Trend) 시각화

5.1 전체 선수 가치 분포(박스플롯, Boxplot)

python
복사
plt.figure(figsize=(8, 6))
plt.boxplot(players_with_val['market_value_in_eur'])
plt.show()

• 전체 선수들의 시장 가치 분포를 박스플롯으로 확인
• 이상치(outlier)를 확인하거나, 분포가 한쪽으로 치우쳐 있는지 확인하는 데 유리

5.2 시장 가치별 선수 분포(Count Plot)

python
복사
plt.figure(figsize=(8, 6))
players_with_val.groupby('market_value_in_eur')['player_id'].count().plot()
plt.show()

• 가치가 특정 범위에 몰려있는지 확인할 수 있습니다.
• 일부 고가치 선수가 소수에 불과하고, 대부분 중·저가치 구간에 집중되어 있을 가능성이 있습니다.

5.3 연도별 시장 가치 총합 및 최대값

python
복사
sum_per_year = players_with_val.groupby('dateyear')['market_value_in_eur'].sum()
max_per_year = players_with_val.groupby('dateyear')['market_value_in_eur'].max()

• 연도별 총합 : 특정 연도에 등록된 선수들의 시장 가치를 모두 합산
• 연도별 최대값 : 특정 연도에 가장 가치가 높은 선수가 어느 정도인지 파악

python
복사
plt.figure(figsize=(8, 6))
plt.plot(sum_per_year.index, sum_per_year.values)
plt.xticks(rotation=45)
plt.show()

plt.figure(figsize=(8, 6))
plt.plot(max_per_year.index, max_per_year.values)
plt.xticks(rotation=45)
plt.show()

• 간단히 plt.plot으로 연도별 추세를 확인
• 선수 가치가 특정 연도에 급등·급락하는지 또는 지속적으로 증가하는지 살펴볼 수 있습니다.

5.4 연도별 박스플롯

python
복사
players_with_val = players_with_val[(players_with_val['dateyear'] >= 2013) & (players_with_val['dateyear'] < 2023)]
years = sorted(players_with_val['dateyear'].unique())

num_plots = len(years)
num_rows = 4
num_cols = (num_plots + 3) // 4

fig, axes = plt.subplots(num_rows, num_cols, figsize=(12, 8))
axes = axes.flatten()

for i, year in enumerate(years):
    market_values = players_with_val[players_with_val['dateyear'] == year]['market_value_in_eur'].values
    ax = axes[i]
    ax.boxplot(market_values)
    ax.set_title(year)

for j in range(num_plots, num_rows * num_cols):
    fig.delaxes(axes[j])

plt.tight_layout()
plt.show()

• 각 연도별로 시장 가치 분포가 어떻게 달라지는지 박스플롯으로 시각화
• 연도별로 비교 시, 선수 가치가 높아진 추세인지, 분포가 넓어졌는지(고가치 선수 증가) 등을 파악

---

6. 변수 간 상관관계 분석

6.1 나이(age)와 시장 가치(market_value_in_eur)

python
복사
age_marget_values = players_with_val.groupby('age')['market_value_in_eur'].mean()
age_marget_values.plot(kind='bar')

• 나이별 평균 시장 가치를 계산하여 막대그래프로 시각화
• 전성기(가치가 높은 구간)가 몇 살 전후인지를 간접적으로 살펴볼 수 있음

python
복사
filtered_df = players_with_val[players_with_val['age'] <= 35]
age_marget_values = filtered_df.groupby('age')['market_value_in_eur'].mean()
sorted_values = age_marget_values.sort_values(ascending=False)
top_5_intervals = sorted_values.head(5).index

• 과도하게 높은 나이(예: 40세 이상)를 제외하고(표본이 너무 적거나 특수 사례) 시각화
• 나이별 평균 가치를 정렬하여, 가장 가치가 높은 Top 5 나이대 확인

막대 위에 선수 이름 표시하기

python
복사
top_players = filtered_df.groupby('age').apply(lambda x: x.loc[x['market_value_in_eur'].idxmax()]['name'])
age_marget_values.plot(kind='bar', color=colors)

for i, value in enumerate(age_marget_values):
    age = age_marget_values.index[i]
    top_player = top_players[age]
    # 막대 위에 최고 가치 선수 이름 표시
    plt.text(i, value, top_player, ha='center', va='bottom', color='black')

plt.xticks(rotation=45)
plt.show()

• 나이별 최고 가치 선수를 찾고, 해당 막대 위에 이름을 표시하여 가독성 향상

---

7. 포지션별 시장 가치 분석

python
복사
position_market_values = players_with_val.groupby('position')['market_value_in_eur'].mean()
position_market_values.plot(kind='bar')

• 포지션(position) 기준으로 그룹화 → 평균 시장 가치 비교
• 공격수(FW), 미드필더(MF), 수비수(DF), 골키퍼(GK) 등 어떤 포지션이 평균적으로 가치가 높은지 파악

7.1 연도별 포지션 별 추이

python
복사
position_market_values = players_with_val.groupby(['position', 'dateyear'])['market_value_in_eur'].mean().reset_index()

for position in position_market_values['position'].unique():
    position_data = position_market_values[position_market_values['position'] == position]
    plt.plot(position_data['dateyear'], position_data['market_value_in_eur'], label=position)
plt.legend()
plt.show()

• 포지션별로 연도별 평균 시장 가치가 어떻게 변동하는지 확인
• 최근 트렌드에 따라 특정 포지션(예: 공격형 미드필더, 중앙 수비수 등)의 가치가 폭발적으로 증가할 수도 있음

7.2 세부 포지션(sub_position)

아래 코드는 포지션 → 세부 포지션(sub_position)으로 나누어 연도별 추이를 분석하려는 예시입니다.

사용 시, 실제로는 sub_position에 대한 데이터가 존재해야 하며, 코드의 변수명 확인이 필요합니다.

---

8. 국가별 분석

python
복사
country_player_counts = players_with_val.drop_duplicates('player_id')['country_of_citizenship'].value_counts()
top_10_countries = country_player_counts.head(10)
top_10_countries.plot(kind='bar')

• 국가별 선수가 몇 명인지(중복 없는 player_id 기준) 확인
• 어떤 국가 출신 선수가 가장 많은지 파악 (유럽 국가, 남미, 아시아 등)

8.1 지도 시각화 (geopy, plotly)

python
복사
from geopy.geocoders import Nominatim
import time
geolocator = Nominatim(user_agent='my-app')

locations = []
errors = []

countries = country_player_counts.index
for country in countries:
    try:
        location = geolocator.geocode(country)
        time.sleep(0.3)
        latitude = location.latitude
        longitude = location.longitude
        locations.append((country, latitude, longitude))
    except Exception as e:
        errors.append(country)
        continue

locations_df = pd.DataFrame(locations)
locations_df.rename(columns={0: 'country', 1: 'latitude', 2: 'longitude'}, inplace=True)
locations_df['player_counts'] = locations_df['country'].apply(lambda x: country_player_counts[x])

• Nominatim(geopy) 라이브러리를 통해 국가 이름으로 위도/경도를 검색
• 지도 시각화에 필요한 좌표 정보를 얻을 수 있음
• 오류가 발생하는 국가 혹은 예외가 있으면(errors 리스트) 처리

python
복사
import plotly.express as px

fig = px.density_mapbox(
    locations_df, lat='latitude', lon='longitude',
    z='player_counts', radius=15,
    center=dict(lat=0, lon=180), zoom=0,
    mapbox_style='stamen-terrian'
)
fig.show()

• Plotly를 사용해 세계 지도 위에 선수 수 분포를 히트맵 형태로 표시
• 직관적으로 어느 대륙/국가에 선수 분포가 집중되어 있는지 시각화

8.2 잉글랜드(England) 선수 출생 도시 분석

python
복사
cities_in_england = players_with_val[players_with_val['country_of_citizenship'] == 'England'].drop_duplicates('player_id')['city_of_birth']
england_players_count = cities_in_england.value_counts()
top_10_city_in_england = england_players_count.head(10)

plt.figure(figsize=(12,8))
top_10_city_in_england.plot(kind='bar')
for i, value in enumerate(top_10_city_in_england):
    plt.text(i, value, str(value), ha='center', va='bottom')
plt.show()

• 잉글랜드 출생 선수들 중 출생 도시(city_of_birth)를 기준으로, 어느 도시 출신 선수가 가장 많은지 분석

---

정리 및 결론

1. 데이터 정제 & 전처리
   • 불필요한 컬럼 제거, 결측치 제거 혹은 대체, 중복 처리 등을 통해 분석에 적합한 형태로 만들었습니다.
   • 특히 연도(dateyear), 나이(age) 등을 파생 변수로 생성해 시계열·분포 분석에 활용.
2. 탐색적 분석(EDA)과 시각화
   • 박스플롯, 막대 그래프, 라인 플롯 등을 통해 선수들의 시장 가치 추이, 나이와 가치의 관계, 포지션별·국가별 분포 등을 분석하였습니다.
   • 특정 연도에 고가치 선수가 몰려있는지(분포 형태), 전성기 나이가 몇 살 전후인지 등을 간략히 살펴볼 수 있었습니다.
3. 포지션·나이·국가 등 다양한 변수 연계
   • 포지션별로 연도에 따라 가치가 달라지는 추세를 파악하면, 리그 트렌드 변화(수비형 미드필더 중요성, 전방 압박 스타일 강조 등)와도 연관지어 볼 수 있습니다.
   • 나이에 따른 가치 변화를 보면, 전성기와 가치 급등 시기를 가늠할 수 있고, 국가별 분포를 통해 유망 선수 풀이 어디에 많은지도 가늠할 수 있습니다.
4. 지도 시각화
   • geopy, plotly 등 외부 라이브러리를 활용하여, 선수들이 출생한 국가(도시) 분포를 지도로 표시할 수 있습니다.
   • 세계 각국에서 배출된 선수 규모를 히트맵으로 표현하면, 특정 지역(예: 남미, 유럽 등) 집중 현상을 한눈에 파악 가능.

---

추가 팁 및 확장 아이디어

• 시간별 세분화 : 연도뿐 아니라 분기, 월 단위로 세분화하면 중간 이적 등에 대한 추이도 볼 수 있습니다.
• 선수별 세부 추이 : 특정 스타 선수(예: 손흥민, 리오넬 메시, 크리스티아누 호날두 등)에 대해, 해마다 시장 가치가 어떻게 변동했는지 개별 선수 그래프를 그릴 수 있습니다.
• 인기 포지션·세부 포지션 : 수비수가 공격수보다 가치가 낮다고 해석하기보다는, 전체 선수풀이 어떻게 구성되어 있는지, 이적 시장 수요 등이 반영되어 있음도 함께 고려해야 합니다.
• 가치의 로그 변환 : 고가치 선수가 소수에 불과해 분포가 왜곡될 수 있으므로, 필요하다면 시장 가치에 로그 변환(np.log)을 적용해 데이터의 편향(skewness)을 줄여볼 수도 있습니다.

이상으로, 축구 선수 데이터를 활용한 기본적인 전처리, EDA, 시각화 과정을 정리해보았습니다. 데이터분석 과정에서 가장 중요한 것은 “무엇을 알고 싶은지”입니다.