大会ごとの試合数のカウント

library(dplyr)
## Warning: パッケージ 'dplyr' はバージョン 4.3.3 の R の下で造られました
## 
##  次のパッケージを付け加えます: 'dplyr'
##  以下のオブジェクトは 'package:stats' からマスクされています:
## 
##     filter, lag
##  以下のオブジェクトは 'package:base' からマスクされています:
## 
##     intersect, setdiff, setequal, union
library(readr)
## Warning: パッケージ 'readr' はバージョン 4.3.3 の R の下で造られました
library(lubridate)
## Warning: パッケージ 'lubridate' はバージョン 4.3.3 の R の下で造られました
## 
##  次のパッケージを付け加えます: 'lubridate'
##  以下のオブジェクトは 'package:base' からマスクされています:
## 
##     date, intersect, setdiff, union
library(ggplot2)
## Warning: パッケージ 'ggplot2' はバージョン 4.3.3 の R の下で造られました
library(plotly)
## Warning: パッケージ 'plotly' はバージョン 4.3.3 の R の下で造られました
## 
##  次のパッケージを付け加えます: 'plotly'
##  以下のオブジェクトは 'package:ggplot2' からマスクされています:
## 
##     last_plot
##  以下のオブジェクトは 'package:stats' からマスクされています:
## 
##     filter
##  以下のオブジェクトは 'package:graphics' からマスクされています:
## 
##     layout
data <- read_csv("results.csv")
## Rows: 44691 Columns: 9
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr  (5): home_team, away_team, tournament, city, country
## dbl  (2): home_score, away_score
## lgl  (1): neutral
## date (1): date
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
head(data)
## # A tibble: 6 × 9
##   date       home_team away_team home_score away_score tournament city   country
##   <date>     <chr>     <chr>          <dbl>      <dbl> <chr>      <chr>  <chr>  
## 1 1872-11-30 Scotland  England            0          0 Friendly   Glasg… Scotla…
## 2 1873-03-08 England   Scotland           4          2 Friendly   London England
## 3 1874-03-07 Scotland  England            2          1 Friendly   Glasg… Scotla…
## 4 1875-03-06 England   Scotland           2          2 Friendly   London England
## 5 1876-03-04 Scotland  England            3          0 Friendly   Glasg… Scotla…
## 6 1876-03-25 Scotland  Wales              4          0 Friendly   Glasg… Scotla…
## # ℹ 1 more variable: neutral <lgl>
tournament_counts <- data %>% 
  group_by(tournament) %>% 
  summarise(match_count = n()) %>% 
  arrange(desc(match_count))
tournaments_800_plus <- tournament_counts %>% 
  filter(match_count >= 800)
tournaments_800_plus
## # A tibble: 6 × 2
##   tournament                           match_count
##   <chr>                                      <int>
## 1 Friendly                                   17647
## 2 FIFA World Cup qualification                7878
## 3 UEFA Euro qualification                     2677
## 4 African Cup of Nations qualification        1976
## 5 FIFA World Cup                               964
## 6 Copa América                                 841
knitr::kable(tournaments_800_plus)
tournament match_count
Friendly 17647
FIFA World Cup qualification 7878
UEFA Euro qualification 2677
African Cup of Nations qualification 1976
FIFA World Cup 964
Copa América 841

年間試合数の推移

data <- data %>%
  mutate(year = year(ymd(date)))

data_800_plus <- data %>%
  filter(tournament %in% tournaments_800_plus$tournament)

annual_match_counts <- data_800_plus %>%
  group_by(year, tournament) %>%
  summarise(match_count = n()) %>%
  arrange(year)
## `summarise()` has grouped output by 'year'. You can override using the
## `.groups` argument.
ggplot(annual_match_counts, aes(x = year, y = match_count, color = tournament)) +
  geom_line() +
  labs(title = "Annual Match Counts by Tournament",
       x = "Year",
       y = "Number of Matches",
       color = "Tournament") +
  theme_minimal()

このグラフからcopa americaが世界最古のナショナルチームによるサッカーの大陸選手権大会であることが分かった。そして最大試合数を誇るのはFIFA World Cupであることもわかる。

ホームゲームおよびアウェイゲームでの勝率

data <- data %>%
  mutate(result = case_when(
    home_score > away_score ~ "Home Win",
    home_score < away_score ~ "Away Win",
    TRUE ~ "Draw"
  ))

home_stats <- data %>%
  group_by(home_team) %>%
  summarise(
    home_games = n(),
    home_wins = sum(result == "Home Win"),
    home_win_rate = home_wins / home_games
  ) %>%
  filter(home_games > 200) %>%
  arrange(desc(home_win_rate))

away_stats <- data %>%
  group_by(away_team) %>%
  summarise(
    away_games = n(),
    away_wins = sum(result == "Away Win"),
    away_win_rate = away_wins / away_games
  ) %>%
  filter(away_games > 200) %>%
  arrange(desc(away_win_rate))

home_stats
## # A tibble: 92 × 4
##    home_team   home_games home_wins home_win_rate
##    <chr>            <int>     <int>         <dbl>
##  1 Brazil             597       428         0.717
##  2 Spain              381       259         0.680
##  3 Argentina          577       383         0.664
##  4 Egypt              407       263         0.646
##  5 Ivory Coast        287       184         0.641
##  6 Nigeria            291       185         0.636
##  7 Iran               296       187         0.632
##  8 Italy              467       291         0.623
##  9 England            527       328         0.622
## 10 Ghana              303       188         0.620
## # ℹ 82 more rows
away_stats
## # A tibble: 96 × 4
##    away_team   away_games away_wins away_win_rate
##    <chr>            <int>     <int>         <dbl>
##  1 Germany            461       247         0.536
##  2 Brazil             429       229         0.534
##  3 England            526       273         0.519
##  4 Spain              356       169         0.475
##  5 Iran               231       106         0.459
##  6 South Korea        406       181         0.446
##  7 Netherlands        382       169         0.442
##  8 Russia             408       176         0.431
##  9 Japan              277       117         0.422
## 10 Australia          239       100         0.418
## # ℹ 86 more rows

ブラジルが総合的に高い勝率を誇っているが遠征での勝率はドイツに負けている。自スタジアムでは全体的に高く遠征は高くて５割に近い結果になっている。

# 勝敗の判定
data <- data %>%
  mutate(result = case_when(
    home_score > away_score ~ "Home Win",
    home_score < away_score ~ "Away Win",
    TRUE ~ "Draw"
  ))

# 各チームのホームゲームでの勝率
home_stats <- data %>%
  group_by(home_team) %>%
  summarise(
    home_games = n(),
    home_wins = sum(result == "Home Win"),
    home_win_rate = home_wins / home_games
  )

# 各チームのアウェイゲームでの勝率
away_stats <- data %>%
  group_by(away_team) %>%
  summarise(
    away_games = n(),
    away_wins = sum(result == "Away Win"),
    away_win_rate = away_wins / away_games
  )

# 両方のデータをマージ
merged_stats <- home_stats %>%
  inner_join(away_stats, by = c("home_team" = "away_team")) %>%
  rename(team = home_team) %>%
  filter(home_games > 200 & away_games > 200)

# 全体での勝率を計算
merged_stats <- merged_stats %>%
  mutate(overall_win_rate = (home_wins + away_wins) / (home_games + away_games))

# ホーム・アウェイ勝率をプロット
p <- ggplot(merged_stats, aes(x = home_win_rate, y = away_win_rate, label = team, color = overall_win_rate)) +
  geom_text(size = 3, hjust = 0.5, vjust = 0.5) +
  scale_color_continuous(low = "blue", high = "red", name = "Overall Win Rate") +
  labs(title = "Home vs. Away Win Rates by Team",
       x = "Home Win Rate",
       y = "Away Win Rate") +
  theme_minimal()

# インタラクティブプロットに変換
p_interactive <- ggplotly(p, tooltip = c("team", "home_win_rate", "away_win_rate", "overall_win_rate"))

p_interactive

このグラフでもわかる通りブラジルはどちらも強くスペインはホームゲームでは強いがアウェイゲームは弱いことが分かる。逆にイギリスとドイツはともにアウェイゲームが強いがホームゲームは他の国に劣っている。

年代ごとの勝率の変化

# 10年ごとの年代を抽出
data <- data %>%
  mutate(decade = floor(year / 10) * 10)

# 各年代ごとの勝率を計算
decade_stats <- data %>%
  group_by(decade, home_team) %>%
  summarise(
    games = n(),
    wins = sum(result == "Home Win"),
    win_rate = wins / games
  ) %>%
  ungroup() %>%
  filter(games > 60) 
## `summarise()` has grouped output by 'decade'. You can override using the
## `.groups` argument.
ggplot(decade_stats, aes(x = factor(decade), y = win_rate, group = home_team, color = home_team)) +
  geom_line() +
  geom_point() +
  labs(title = "Win Rate by Decade",
       x = "Decade",
       y = "Win Rate") +
  scale_color_viridis_d() +
  theme_minimal() +
  theme(legend.position = "none") +
  geom_text(aes(label = home_team), size = 3, hjust = 0.5, vjust = -0.5, check_overlap = TRUE)

わかりにくいグラフになってしまったがブラジルが高い勝率を保っていること、マラウイが急激に低下してしまったこと、エジプトが急激に勝率を上げたことがこのグラフからわかることができた