根据四万场比赛结果，我给今年世界杯每场比赛计算了胜率，冠军竟然是…

四年一度的世界杯本周就要开赛啦！如果你和我一样是一名伪球迷，请先了解以下注意事项：

1. 本届世界杯是在俄罗斯举办
2. 一共32只球队分8个小组，每组前2名进入淘汰赛
3. 比赛持续一个月
4. 共64场比赛在俄罗斯多个城市举行
5. 没有中国队，因为没出线
6. 没有意大利队、荷兰队，因为也没出线
7. 是国家队间比赛，因此没有巴萨、皇马、曼联、拜仁……
8. 比赛常规时间，上下半场各45分钟
9. 淘汰赛阶段常规时间打平，进入30分钟加时赛，再打平才是点球大战
10. 梅西是阿根廷的，C罗是葡萄牙的，内马尔是巴西的，他们都不是西班牙的
11. 大罗、小罗、卡卡、贝克汉姆都不参加
12. 世界杯是足球比赛，没有哈登、库里、杜兰特

每到世界杯，一项保留节目就是预测当年冠军，各路大神啦、名嘴啦、章鱼啦、猫猫狗狗啦都少不了。这次我也来预测一把。但我不懂球啊怎么办？没关系，我可以用程序！（反正都是蒙呗）

数据来源

这份数据来自 Kaggle，是从1872年到2018年共38929场比赛的结果。我们这次就用这份数据作为预测的基础。

https://www.kaggle.com/martj42/international-football-results-from-1872-to-2017/data

可从文末项目中获取。

另外介绍下 Kaggle，它一个数据科学竞赛平台，强烈建议研究数据分析、机器学习这方面的同学多上去玩耍。

建立模型

有了这么多历史比赛数据，要怎么来预测呢？我建立了如下几条规则：

1. 太久远的数据对于当下球队的参考价值有限，所以设定一个起始年限
2. 查找对阵双方从起始年限至今的对战数据，并计算 胜利概率=(胜利场次+平局场次/2)/总场次
3. 小组赛阶段，胜利概率超过一定阈值（比如0.7）的球队赢，否则为平局
4. 淘汰赛阶段，胜利概率大的球队赢
5. 如果两队从起始年限至今没有进行过比赛，就往前再多选取N年的数据（一般出现在参加大赛较少的球队）
6. 如果仍然没有交手过，则以各自对阵本届杯赛其余所有球队的战绩为基础，分别计算胜利概率。概率高的球队胜。但如果是小组赛，概率差必须高过一定阈值（比如0.1），否则为平局

赛程模拟

基于以上的规则模型，我们导入数据，通过 Python 程序模拟本届世界杯32支球队的64场比赛。

这样就“预测”了比赛的结果。

预测结果

所以，究竟这份代码 run 出怎样的结果？

因为不同的起始年限和平局阈值会得到不一样的结果。我尝试使用 2006~2016 11个不同年限，和4组N的取值，得到共44组比赛结果。最终夺冠的次数是：

巴西 23 次 西班牙 12 次 德国 6 次 英格兰 3 次

看来，巴西队还是毋庸置疑的夺冠热门。难怪各大菠菜网站都给他们开出最低的赔率。

但是抛开巴西队不谈，在我的结果中，英格兰队的表现异常得好。这主要源于他们近几年对战巴西的良好战绩：1胜2平0负。而相比之下，阿根廷恐怕又要“没戏”了。

另外，塞内加尔和伊朗值得关注下，他们这几年对战其他球队的战绩不错，或许会成为黑马：

2012年以来 塞内加尔 4胜3平1负 伊朗 5胜6平3负

历史战绩查询工具

当然，我这个模型是很粗糙的。不过本来嘛，足球是圆的，拿历史数据预测比赛结果也就是娱乐一下，给看球增加点乐趣。如果你有自己的规则想实现，也可以在我代码的基础上进行修改。代码和数据的获取方法见文末说明。

另外，我把部分数据导出，做了一个在线查询的小工具，方便你直接查询任意两支球队之间的对战历史。

主队综合胜率=总场数/(主队胜场+客队负场)

因为这个赔率模型基于的更多是历史战绩，而强队的对手多是强队，弱队的对手多是弱队，导致赔率上的差异并没有市面上的那么大，但总的来看也基本符合胜负关系。如果你发现有某场比赛计算出的结果和别人开出的结果差异很大，那或许这会是场会爆冷的比赛哦

预测结果仅供参考，如有雷同纯属巧合。

最后，我突然想到，咱们国足对这32支球队的战绩如何呢？如果在另一个平行宇宙中有幸参赛，大概会是个什么结果？于是……

2014年以来：2胜, 5平, 8负 2002年以来：8胜, 19平, 35负 似乎只有和从未交过手的巴拿马在战绩上可以一战。

好吧，当我没说。还是让我们安心享受世界杯的欢乐吧！