数据来源：Kaggle
工具：Jupyter Notebook
Python第三方库：Pandas, Matplotlib, Seaborn和Scikit-Learn
FIFA19是一款风靡全球的足球游戏，里面囊括了全球超过18000名职业球员的数据指标，从而形成一个18000行x88列的数据库，具体可以分为球员基础数据（Basics）和能力数据指标（Performance）两类指标。
笔者选取了以下指标对top1000的球员进行简单的分析。但在进行数据分析之前，需要对数据进行清洗，包括空值的处理，字符串和数值型数据等。这里用到的工具主要是Pandas里面dropna， str.strip, replace等函数，在这里不细讲。
Part 1 基础数据
基础数据字段： 球员姓名，惯用脚，年龄，体重，身高。
我们先来看球员惯用脚的情况，从下图可以看出，右脚球员要明显高于左脚球员，具体比例约为4:1。在1000名球员中，接近800名为右脚，而左脚球员则约230-240左右。
数据的描述统计
我们可以看到足球运动员的平均年龄27岁左右，身高和体重数据均值并不高，体重身高的均值分别为170磅（77kg）以及5.97英尺（175cm）。这与一个普通的成年男性无异。。
那么每个指标的均值是否能够代表一般情况？我们再看下每个字段的概率分布情况，从三组数据的概率分布图来看，基本呈现钟型，即从中间向两边逐步递减，且没有出现左偏或右偏的情况，左右两边的分布相对均匀。
结论：一个足球运动员通常应该是：体重170磅（77kg）上下，5尺9寸高（175cm）。
那么不同大洲/国家之间球员的特征是否会存在不同？笔者选取了四大洲的部分国家数据进行对比：
1）欧洲<西班牙， 比利时，德国，法国，英格兰和意大利>， 即五大联赛加上欧洲红魔比利时
2）南美洲<阿根廷，巴西，智利，厄瓜多尔>，阿根廷，巴西为传统的足球强国
3）亚洲<韩国，日本>，亚洲仅有的两个国家有球员在top1000
4）非洲<埃及， 加纳， 尼日利亚和喀麦隆>，非洲传统足球强国
我们可以通过下面的图表进行相对直观的认识。
对比之下，欧洲球员身高体重的峰值要比其他大洲高些，分别是6尺5（1.96m）和250磅（100kg）。南美洲次之，非洲第三，而亚洲末位。从峰值来看，
1）欧洲：
身高：意大利>德国>西班牙>法国>英格兰>比利时
体重：西班牙>法国>德国>意大利>英格兰>比利时
2）南美洲：
身高：巴西>阿根廷>智利>厄瓜多尔
体重：智利>阿根廷>巴西>厄瓜多尔
3）亚洲：仅有日本、韩国两个国家
4）非洲：
身高：埃及>尼日利亚>喀麦隆>加纳
体重：尼日利亚>埃及>加纳>喀麦隆
BMI
在分析完基础数据的特征后，可以根据需要构建指标值进行分析。由于有身高和体重的数据，我们可以分析下球员BMI的情况。在选取的top1000名球员中，BMI维持在22-26的区间内，但偶尔会有零星的异常值，如超过26和低于22都属于异常，但这取决于你选择的阈值。
我们可以进一步分析国家之间球员的BMI值是否存在差异，可以看到极端值主要出现在阿根廷
BMI VS Preferred Foot
最后，笔者用K-Means方法尝试将年龄，身高和体重三个指标分成3个cluster，结果显示如下。
Part 2 能力指标
这部分涉及的主要是数值型的数据，因此，我们可以尝试做PCA分析。
能力数据指标：过人，终结能力，头球准度，带球，灵活度，弹跳，视野，加速能力，射门力度，耐力，力量。
top 10 球员数据
数据的描述统计
左图， 可以看到PC1，PC2包含了数据集中超过70%的差异性，分别是561.%和19.4%。而从右图中，我们可以看到，将数据降维后，出现了明显的两个聚类。
最后，我们用Kmeans方法，设定cluster=6，结果如下：
