[Day 4] 탐색적 데이터 분석(EDA) 실습 프로젝트 - 24/25 PL 선수 통계

premier_league_stats.csv

0.00MB

📌 개요

탐색적 데이터 분석(Exploratory Data Analysis, EDA)은 데이터 분석 프로젝트에서 가장 중요한 과정 중 하나입니다. 데이터를 이해하고 패턴을 발견하며, 모델링 전에 데이터의 특성을 파악하는 과정입니다. 이번 포스팅에서는 2024/25 시즌 프리미어리그 선수 스탯 데이터를 활용하여 EDA를 수행하는 방법을 실습해 보겠습니다.

---

1️⃣ EDA의 주요 과정

EDA는 다음과 같은 단계를 포함합니다:

1. 데이터 로드 및 기본 정보 확인 - 데이터의 크기, 변수 정보, 결측치 확인
2. 기술 통계 확인 - 데이터의 평균, 표준편차, 분포 분석
3. 결측치 및 이상치 처리 - 결측치를 채우거나 제거하고 이상치를 확인하는 과정
4. 데이터 시각화 - 변수 간의 관계 분석 및 시각화
5. 변수 변환 및 Feature Engineering - 모델 성능을 높이기 위한 데이터 전처리

---

2️⃣ 데이터셋 로드 및 기본 정보 확인

우리는 2024/25 시즌 프리미어리그 선수 스탯 데이터를 사용하여 EDA를 진행하겠습니다.

import pandas as pd

# 데이터 로드
df = pd.read_csv("premier_league_stats.csv")

# 데이터 기본 정보 확인
print(df.info())
print(df.describe())

📌 샘플 데이터 예시:

Rank	Name	Team	Goals	Assists	Matchs Played	G.p 90M	M.p Goal	Shoots	Conversion	Acc
1	Mohamed Salah	Liverpool	25	17	28	0.91	99	101	25%	52%
2	E. Haaland	Man City	20	3	26	0.78	115	97	21%	59%
3	A. Isak	Newcastle	19	5	24	0.86	104	68	28%	50%

---

3️⃣ 주요 변수별 분석

🔹 득점 순위 분석

print(df[['Name', 'Team', 'Goals']].sort_values(by='Goals', ascending=False).head(10))

📌 결과:

Name	Team	Goals
Mohamed Salah	Liverpool	25
E. Haaland	Man City	20
A. Isak	Newcastle	19
C. Wood	Nottm Forest	18
B. Mbeumo	Brentford	15

✅ 코멘트:

• Mohamed Salah가 현재 가장 많은 골을 기록하며 득점 1위를 차지하고 있습니다.
• Haaland는 2위이지만 경기당 득점 수치를 보면 1위와의 격차가 크지 않습니다.
• 골 수치는 선수의 공격력을 평가하는 핵심 요소이며, 골 결정력과 비교하여 추가 분석할 수 있습니다.

🔹 어시스트 순위 분석

print(df[['Name', 'Team', 'Assists']].sort_values(by='Assists', ascending=False).head(10))

📌 결과:

Name	Team	Assists
Mohamed Salah	Liverpool	17
C. Palmer	Chelsea	6
O. Watkins	Aston Villa	6
João Pedro	Brighton	6
J. Kluivert	Bournemouth	5

✅ 코멘트:

• Salah는 득점뿐만 아니라 어시스트에서도 1위를 기록하며 뛰어난 공격 포인트를 보이고 있습니다.
• C. Palmer와 O. Watkins는 팀의 공격 기회를 많이 만들어 주는 선수로 평가될 수 있습니다.
• 어시스트는 플레이메이커 역할을 하는 선수들에게 중요한 지표입니다.

🔹 골 결정력(Goal Conversion)과 유효 슈팅 비율(Shot Accuracy)

print(df[['Name', 'Goal Conversion', 'Shot Accuracy']].sort_values(by='Goal Conversion', ascending=False).head(10))

📌 결과:

Name	Goal Conversion	Shot Accuracy
C. Wood	37%	59%
A. Isak	28%	50%
B. Mbeumo	26%	53%
Mohamed Salah	25%	52%
J. Maddison	25%	47%

✅ 코멘트:

• C. Wood는 적은 슈팅으로 높은 득점율을 기록하며 효율적인 공격력을 보여줍니다.
• A. Isak과 B. Mbeumo도 높은 골 결정력을 보이며, 기회가 왔을 때 득점할 확률이 높은 선수입니다.
• 슈팅 정확도(Shot Accuracy)와 함께 고려하면, 골 결정력이 높은 선수들의 슈팅 스타일을 분석할 수 있습니다.

🔹 경기당 득점(Goals per 90) 상위 선수

print(df[['Name', 'Goals per 90']].sort_values(by='Goals per 90', ascending=False).head(10))

📌 결과:

Name	Goals per 90
J. Durán	1.01
Mohamed Salah	0.91
A. Isak	0.86
E. Haaland	0.78
C. Wood	0.74

✅ 코멘트:

• 경기당 득점에서 J. Durán이 1.01로 1위를 차지하며, 출전 시간 대비 골을 많이 기록하는 선수입니다.
• Salah와 Isak도 경기당 득점력이 뛰어나며, 주전 선수로서 팀 공격의 핵심 역할을 하고 있습니다.
• 이 지표는 출전 시간이 다를 경우에도 선수들의 득점 기여도를 비교할 수 있는 중요한 지표입니다.

---

📌 마무리

이번 포스팅에서는 2024/25 시즌 프리미어리그 선수 스탯 데이터를 활용하여 EDA를 수행했습니다. 데이터를 이해하고 분석하는 과정이 축구 선수 평가 및 예측 모델링에도 활용될 수 있습니다.

저 처럼 관심사에 맞는 데이터를 구해서 본인의 기존 생각하던 값과 실제 데이터가 말해주는 값을 비교해보는 경험이 데이터를 쉽고 재밌게 접근 할 수 있는 방법으로 추천드립니다!

다음 포스팅에서는 머신러닝 모델을 활용하여 예측하는 분석을 진행하겠습니다! 🚀