[프로젝트] ⚽축구 분석 사이트(트랜스퍼마켓)를 통한 축구 선수 나이에 따른 몸값 비교⚽

2023-02-04 9 분 소요

1. 주제 선정 이유

최근에 데이터 관련 직업이 많이 뜨고 있는 직업이다. 데이터 분야는 IT뿐만이 아니라 많은 곳에서 쓰이게 되는 분야가 되었다. 그중에 스포츠도 포함이 된다. 예전부터 야구는 데이터를 많이 사용하는 반면 축구는 그렇지는 않았다. 점점 시간이 변하면서 현대축구도 데이터로 가지고 상대를 분석하고 우리 팀을 분석해 전술을 펼친다. 기술이 발달 되면서 골, 어시스트, 선방, 슈팅 등등 수많은 영역에 데이터를 사용함으로 패턴을 찾고 분석을 한다. 그중에서 내가 선택을 한 분야는 축구 분석 사이트 통해 축구 선수별 데이터를 파이썬으로 뽑아 선수들의 데이터를 비교해보는 것이다. 다른 운동선수와 같이 축구 선수도 선수 생활이 다른 직업에 비해 길지 않은 직업이다. 인간은 30대가 되면 급격한 신체 능력이 떨어진다고 한다. 운동선수는 특히 10대 때부터 빠르면 더 어렸을 때부터 몸을 많이 쓰는 직업이다 보니 더 어린 선수들과 비교가 될 수밖에 없다. 그래서 보통 30대 중반이 되면 은퇴를 해 다른 직업을 갖기 시작한다. 예를 들면 축구 감독을 하거나 박지성 전 축구 선수처럼 축구 행정가가 될 수도 있고 안정환 전 축구 선수처럼 방송을 할 수도 있다. 이처럼 선수 생활이 짧은 축구 선수의 나이가 몸값에 영향을 미치는지 알아보겠다.

2. 데이터 분석 목표

Alt text

이처럼 우리나라의 손흥민 선수 같은 경우 이러한 기사들이 쏟아지며 세계에서 몸값으로 몇 위 인지 아시아뿐만 아니라 EPL에서 시장가치가 어느 정도 되는지 사람들이 관심도가 쏟아진다. 축구는 인기가 많은 만큼 그만큼의 데이터의 양도 급격하게 증가하고 있다. 내가 하고자 하는 바는 파이썬 웹 크롤링을 통해 나이와 몸값의 연관성이다. 이러한 데이터를 얻기 위해 먼저 트랜스퍼마켓이라는 세계적으로 유명한 축구 사이트를 통해 자료를 수집할 수 있다. 웹 크롤링을 통해 몸값이 높은 순대로 1,000명의 선수를 크롤링하는 게 이번 보고서의 목표이다.

3. 데이터 수집

트랜스퍼마켓은 2000년 5월에 개설된 독일의 축구 정보 전문 사이트로 해외뿐만 아니라 국내에서도 유용하게 쓰이는 축구 정보 사이트로 선수 몸값, 이적 루머, 프로필 등 각종 데이터를 확인할 수 있는 사이트이다.

트랜스퍼마켓 주소

3-1. 웹 크롤링 초기 설정

라이브러리 import 하기
얻고자 싶은 정보 리스트에 담아두기
파싱할 페이지 요청 후 담기
사전형으로 데이터 파일 만들기

3-2-1. 라이브러리 import 하기

import requests
from bs4 import BeautifulSoup
import pandas as pd
import matplotlib.pyplot as plt

headers = {'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36'}

먼저 데이터를 만들기 전 초기 상태에서 import와 from 구문을 통해 초기 설정을 해준다.

보충 설명

requests 사용 시, 스크립트가 불가능한 사이트들이 있을 수가 있어 허용할 수 있게 User Agent를 사용한다.

User Agent 사이트

이 사이트에 접속한 후에 보이는 코드를 복사 붙여넣기를 해주면 된다.

3-2-2. 얻고자 싶은 정보 리스트에 담아두기

number=[]
number=[]
name=[]
position=[]
age=[]
nation=[]
team=[]
value=[]

3-2-3. 파싱할 페이지 요청 후 담기

# 파싱할 페이지를 요청
for i in range(1,21):
    url = f"https://www.transfermarkt.com/spieler-statistik/wertvollstespieler/marktwertetop?ajax=yw1&page={i}"
    r = requests.get(url,headers=headers)
    r.status_code

    soup = BeautifulSoup(r.text,'html.parser')
#얻고자 싶은 데이터 담기
    player_info=soup.find_all('tr', {'class':['odd','even']})
    for info in player_info:
        player = info.find_all('td')
        number.append(player[0].text)
        name.append(player[3].text)
        position.append(player[4].text)
        age.append(player[5].text)
        nation.append(player[6].img['alt'])
        team.append(player[7].img['alt'])
        value.append(player[8].text.strip())

3-2-4. 사전형으로 데이터 파일 만들기

df=pd.DataFrame({"순위":number,"이름":name,"포지션":position,"나이":age,"국가":nation,"팀":team,"몸값":value})

초기 설정으로 웹 크롤링을 통해 트랜스퍼마켓에 있는 데이터들을 파이썬으로 뽑아 왔다.

4. 데이터 분석

나이 분포표 만들기
원하는 나이대 선수 몸값 순위
나이대별 분포표
나이와 포지션의 관계
나이가 몸값에 영향이 큰지

4-1. 나이 분포표 만들기

가장 먼저 분석할 것은 나이 분포표를 만들어 어느 구간의 나이대가 몸값 순으로 많은지 확인을 할 것이다.

4-2-1. ‘나이’와 ‘순위’ str ⟶int로 변환하기

df= df.astype({'나이':'int','순위':'int'})

astype함수를 이용하여 정수형으로 변환을 해준다.

4-2-2. 4개의 구간으로 나이 나누기

under_20=df[df['나이']<=20]
over_20=df[df['나이']>=30]
twenty21_24 = df[(df['나이'] > 20) & (df['나이'] < 25)]
twenty25_29 = df[(df['나이'] >=25) & (df['나이'] < 30)]

len(under_20)
len(twenty21_24)
len(twenty25_29)
len(over_20)

구간을 20살 이하, 20살~24살, 25살~29살, 30살 이상으로 나이를 나눠 각 변수에 저장해준다. len()을 통해 구간별 축구 선수 수를 구할 수 있다.

4-2-3. 나눈 구간 원그래프로 나타내기

ratio = [len(under_20), len(twenty21_24), len(twenty25_29), len(over_20)]
labels = ['under_20', 'twenty21_24', 'twenty25_29', 'over_20']

plt.pie(ratio, labels=labels, autopct='%.2f%%') 
plt.title("각 나이대별 분포") #그래프 제목 설정
plt.rc('font', family="Malgun Gothic") #그래프 내부의 한글 깨짐 처리
plt.legend(fontsize=6) #글자 크기 설정
plt.show()

소수점 2번째 자리까지 나타낸 다음 원그래프를 만들어준다.

위의 원그래프를 보면 확실히 20대 선수들이 많다는 것을 알 수 있다. 20살 이상 25살 미만인 선수들도 39.80%라는 높은 비율을 차지하고 있지만 20대에서도 축구 선수 전성기라고 불리는 20대 후반의 선수들이 무려 45%를 차지하고 있다. 또한 10대 선수와 30대 선수는 비율이 각각 7.2%와 8.0%인 것을 확인할 수 있다. 몸값을 측정할 때 아직 성장기인 10대와 전성기가 지난 30대 선수들보다 신체적으로 가장 발달하여 있는 20대일수록 몸값이 높은 축구 선수일 확률이 높다는 것을 보여준다.

4-2. 원하는 나이대 선수 몸값 순위

most_value_player = int(input('나이를 입력하시오 = '))
df[df['나이']==most_value_player]

나이를 입력하시오 = 29

이렇게 원하는 나이의 선수들을 확인할 수도 있다. 내가 확인 해 본 나이대는 축구 선수로 전성기인 29살을 확인해보았다. 1위는 이집트와 리버풀에서 뛰고 있는 살라로 그 뒤에 네이마르, 마네가 뒤따르고 있다. 4위에는 한국의 손흥민 선수도 기록되어 있으며 전 세계적으로 15위의 몸값을 자랑하고 있다.

4-3. 나이대별 분포표

df['count']=df.groupby('나이').cumcount()
df['count']=df['count']+1
plt.figure(figsize=(30,10))
plt.barh(df['나이'],df['count'], color = 'r')
plt.title("각 나이대별 분포") #그래프 제목
plt.rc('font', family="Malgun Gothic") #그래프 내부의 한글 깨짐 처리
plt.xlabel('수')       # X축 이름 
plt.ylabel('나이')     # Y축 이름
plt.xlim([0, 90])      # X축의 범위: [xmin, xmax]
plt.ylim([15, 40])     # Y축의 범위: [ymin, ymax]
plt.show()

보충 설명

groupby()함수는 그룹별로 구분하여 데이터를 보기 위해 저장하는 함수이다.

df[]안에 나이별 선수로 나눈 후 ‘count’ 열을 따로 생성해 함수 안에 저장해준다.

print('가장 많은 나이는',max(df['나이']),'이고 가장 적은 나이는', min(df['나이']),'이다.')

가장 많은 나이는 36 이고 가장 적은 나이는 17 이다.

가장 나이 많은 선수는 36살임을 알 수 있고 가장 적은 나이는 17살임을 알 수 있다. 여기서 36살인 선수가 어떤 선수인지와 17살인 선수가 어떤 선수인지 알아보자.

df[df['나이']==36]

df[df['나이']==17]

가장 나이 많은 선수는 36살임을 알 수 있고 가장 적은 나이는 17살임을 알 수 있다. 여기서 36살인 선수가 어떤 선수인지와 17살인 선수가 어떤 선수인지 알아보자. 36살인 선수는 ‘Cristiano Ronaldo’이라는 것을 알 수 있고 순위는 114위이다. 17살 선수는 2명으로 ‘Gavi’ ‘Youssoufa Moukoko’인 것을 알 수 있고 각각 272위와 472위임을 알 수 있다.

4-4. 나이와 포지션의 관계

다음으로 확인해 볼 데이터는 나이와 포지션의 관계이다. 선수의 나이가 포지션과도 관련이 있는지 확인을 해보겠다.

4-4-1. ‘나이’와 ‘포지션’의 교집합 만들기

Centre_Forward20= df[(df['나이']<=20) & (df['포지션']=='Centre-Forward')]
Centre_Forward20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Centre-Forward')]
Centre_Forward25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Centre-Forward')]
Centre_Forward30= df[(df['나이']>=30) & (df['포지션']=='Centre-Forward')]

Central_Midfield20= df[(df['나이']<=20) & (df['포지션']=='Central Midfield')]
Central_Midfield20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Central Midfield')]
Central_Midfield25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Central Midfield')]
Central_Midfield30= df[(df['나이']>=30) & (df['포지션']=='Central Midfield')]

Centre_Back20= df[(df['나이']<=20) & (df['포지션']=='Centre-Back')]
Centre_Back20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Centre-Back')]
Centre_Back25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Centre-Back')]
Centre_Back30= df[(df['나이']>=30) & (df['포지션']=='Centre-Back')]

Goalkeeper20= df[(df['나이']<=20) & (df['포지션']=='Goalkeeper')]
Goalkeeper20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Goalkeeper')]
Goalkeeper25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Goalkeeper')]
Goalkeeper30= df[(df['나이']>=30) & (df['포지션']=='Goalkeeper')]

Right_Winger20= df[(df['나이']<=20) & (df['포지션']=='Right Winger')]
Right_Winger20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Right Winger')]
Right_Winger25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Right Winger')]
Right_Winger30= df[(df['나이']>=30) & (df['포지션']=='Right Winger')]

Left_Winger20= df[(df['나이']<=20) & (df['포지션']=='Left Winger')]
Left_Winger20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Left Winger')]
Left_Winger25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Left Winger')]
Left_Winger30= df[(df['나이']>=30) & (df['포지션']=='Left Winger')]


Attacking_Midfield20= df[(df['나이']<=20) & (df['포지션']=='Attacking Midfield')]
Attacking_Midfield20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Attacking Midfield')]
Attacking_Midfield25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Attacking Midfield')]
Attacking_Midfield30= df[(df['나이']>=30) & (df['포지션']=='Attacking Midfield')]

Defensive_Midfield20= df[(df['나이']<=20) & (df['포지션']=='Defensive Midfield')]
Defensive_Midfield20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Defensive Midfield')]
Defensive_Midfield25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Defensive Midfield')]
Defensive_Midfield30= df[(df['나이']>=30) & (df['포지션']=='Defensive Midfield')]

Right_Back20= df[(df['나이']<=20) & (df['포지션']=='Right-Back')]
Right_Back20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Right-Back')]
Right_Back25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Right-Back')]
Right_Back30= df[(df['나이']>=30) & (df['포지션']=='Right-Back')]

Left_Back20= df[(df['나이']<=20) & (df['포지션']=='Left-Back')]
Left_Back20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Left-Back')]
Left_Back25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Left-Back')]
Left_Back30= df[(df['나이']>=30) & (df['포지션']=='Left-Back')]

Second_Striker20= df[(df['나이']<=20) & (df['포지션']=='Second Striker')]
Second_Striker20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Second Striker')]
Second_Striker25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Second Striker')]
Second_Striker30= df[(df['나이']>=30) & (df['포지션']=='Second Striker')]

Right_Midfield20= df[(df['나이']<=20) & (df['포지션']=='Right Midfield')]
Right_Midfield20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Right Midfield')]
Right_Midfield25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Right Midfield')]
Right_Midfield30= df[(df['나이']>=30) & (df['포지션']=='Right Midfield')]

Left_Midfield20= df[(df['나이']<=20) & (df['포지션']=='Left Midfield')]
Left_Midfield20_24= df[(df['나이'] > 20) & (df['나이'] < 25) & (df['포지션']=='Left Midfield')]
Left_Midfield25_29= df[(df['나이']>=25) & (df['나이'] < 30) & (df['포지션']=='Left Midfield')]
Left_Midfield30= df[(df['나이']>=30) & (df['포지션']=='Left Midfield')]

각 포지션과 나이대별로 나눠주었다.

4-4-2. x축과 y축 변수 지정하기

x축과 누적 데이터를 입력할 y축을 리스트로 만들어주었다. x축에는 각각의 포지션을 입력해주고 y축의 누적 데이터에는 나이대별로 분류를 해주었다.

4-4-3. 누적 막대그래프를 이용하여 추출

bottom을 이용하여 그 전의 데이터들을 누적으로 쌓아두었다. y1 위에 y2를 올리고 맨 위에 y4인 30세 이상 선수를 넣었다. 출력해본 결과 이러한 그래프가 나타난다.

x =['Centre_Forward','Left_Back','Left_Winger','Left_Midfield','Right_Midfield',
    'Second_Striker','Right_Back','Defensive_Midfield',
    'Attacking_Midfield','Right_Winger','Goalkeeper','Centre_Back','Central_Midfield']
y1 = [len(Centre_Forward20),len(Left_Back20),len(Left_Winger20),
      len(Left_Midfield20),len(Right_Midfield20),len(Second_Striker20),
      len(Right_Back20),len(Defensive_Midfield20),len(Attacking_Midfield20),
      len(Right_Winger20),len(Goalkeeper20),len(Centre_Back20),len(Central_Midfield20)]
y2 = [len(Centre_Forward20_24),len(Left_Back20_24),len(Left_Winger20_24),
      len(Left_Midfield20_24),len(Right_Midfield20_24),len(Second_Striker20_24),
      len(Right_Back20_24),len(Defensive_Midfield20_24),len(Attacking_Midfield20_24),
      len(Right_Winger20_24),len(Goalkeeper20_24),len(Centre_Back20_24),len(Central_Midfield20_24)]
y3 = [len(Centre_Forward25_29),len(Left_Back25_29),len(Left_Winger25_29),
      len(Left_Midfield25_29),len(Right_Midfield25_29),len(Second_Striker25_29),
      len(Right_Back25_29),len(Defensive_Midfield25_29),len(Attacking_Midfield25_29),
      len(Right_Winger25_29),len(Goalkeeper25_29),len(Centre_Back25_29),len(Central_Midfield25_29)]
y4 = [len(Centre_Forward30),len(Left_Back30),len(Left_Winger30),
      len(Left_Midfield30),len(Right_Midfield30),len(Second_Striker30),
      len(Right_Back30),len(Defensive_Midfield30),len(Attacking_Midfield30),
      len(Right_Winger30),len(Goalkeeper30),len(Centre_Back30),len(Central_Midfield30)]
plt.figure(figsize=(35,10)) #그래프 크기
plt.xlabel('포지션')#X축 이름
plt.ylabel('누적 선수수')#Y축 이름
plt.title("포지션별 나이 분포표") #그래프 제목
plt.bar(x, y1, color='r',label='under_20')
plt.bar(x, y2, bottom=y1, color='b',label='twenty21_24')
plt.bar(x, y3, bottom=[y1[i] + y2[i] for i in range(len(y1))], color='g',label='twenty25_29')
plt.bar(x, y4, bottom=[y1[i] + y2[i] + y3[i] for i in range(len(y1))], color='k',label='over_20')
plt.legend()
plt.show()

그래프로 나타내어 조사해보면 상대적으로 활약을 많이 할 수 있는 공격수인 ‘Centre-Forward’ 포지션에 30대 선수가 가장 많다는 것을 볼 수 있다. 그다음으로는 ‘Central Midfield’, ‘Centre-Back’ 순으로 많다는 것을 알 수가 있다. ‘Goalkeeper’, ‘Left Midfield’, ‘Right Midfield’의 포지션은 한 명도 없다는 것 또한 알 수 있다. 이 포지션들은 전반적으로 많은 선수가 분포해 있지 않기도 한다.

5. 선형 회귀를 이용한 나이별 몸값 예측

import pandas as pd
from sklearn.linear_model import LinearRegression

# 데이터 로드
data = pd.read_csv('선수데이터.csv')

# '몸값' 열에서 '€' 및 'm' 문자 제거 및 숫자로 변환
data['몸값'] = data['몸값'].str.replace('€', '').str.replace('m', '').astype(float)

# 나이와 몸값 열 선택
X = data[['나이']]
y = data['몸값']

# 선형 회귀 모델 생성 및 학습
model = LinearRegression()
model.fit(X, y)

# 나이를 입력받아 몸값 예측
age_to_predict = float(input("나이를 입력하세요: "))
predicted_value = model.predict([[age_to_predict]])
print(f'{age_to_predict}세 선수의 몸값 예측: €{predicted_value[0]:.2f}m')

나이를 입력하세요: 23
23.0세 선수의 몸값 예측: €38.10m

선형 회귀 모델을 사용하여 나이에 따른 몸값을 예측하고 해봤습니다. 즉, 나이 변수를 사용하여 선형 회귀 모델을 학습하고, 그 모델을 사용하여 특정 나이에 대한 몸값을 예측

6. 태블로 활용

6-1. 태블로를 활용한 팀별 분포

6-3. 태블로를 활용한 다양한 분포

평균 몸값

몸값 합계

인원 합계

7. 수행 결과 및 결과에 대한 검토/분석

축구 선수의 나이와 몸값과의 관계를 총 4가지로 분석을 해 보았다. 가장 먼저 눈에 띄는 것은 확실히 전성기가 지난 30대 선수와 아직 성장기인 10대 선수들보다 신체적으로 월등한 20대 축구 선수들이 매우 높은 몸값을 가지고 있다. 이를 통해 알 수 있는 것은 몸값이 높다고 해서 그 선수의 실력이 높다고는 말할 수가 없다는 것 또한 알 수가 있다. 가장 먼저 최근 발롱도르를 수상한 메시, 호날두, 모드리치와 같은 선수들은 30대이지만 몸값이 높은 편이 아니다. 이처럼 실력과 몸값은 같다고 말할 순 없다는 것이다. 트랜스퍼마켓에서 몸값을 책정할 때 고려하는 점이 그 선수의 발전 가능성, 나이, 가장 중요한 실력이라고 한다. 나이가 많을수록 곧 은퇴에 가까워진다는 것을 알 수 있듯이 나이가 많은 선수는 몸값이 낮음을 알 수가 있고 가장 중요한 실력에서는 나이가 어린 10대 선수들에게 발전 가능성과 나이 면에서 높은 점수를 주었다는 것을 알 수 있다. 20대 선수 중 20대 중반의 선수들이 몸값이 높은 선수가 많이 분포하는 데 이유는 아무래도 실력과 적지 않은 나이, 발전 가능성이 있기에 높게 쳐준다고 생각한다. 이처럼 파이썬으로 데이터를 정리해 분석을 바탕으로 결론을 내릴 수 있다.

8. 분석 내용 기반 향후 활용방안 또는 기대효과

분석한 데이터를 통해 검토해본 결과 나이와 몸값이 관련이 있다는 것을 알 수 있다. 이 데이터를 통해 나이뿐만 아니라 몸값과 포지션의 관계 등 새로운 데이터들을 만들 수도 있다. 축구 분석가나 축구와 관련된 기자들이 글을 쓸 때 만든 데이터를 참고할 수 있다.

9. 보완 사항

축구 선수의 몸값과 국가에 따라 분류를 하지 못해서 아쉬웠다. 특히 지도를 통해 국가를 대륙별로도 나타내어 어느 대륙의 선수가 많은지 확인을 할 수 없는 게 보완 사항 중 한 가지였다. 또한 나이와 포지션과의 관계에서 일일이 다 작성하는 방법보다 더 좋은 방법이 있을 거 같아서 생각해 봤지만 찾지 못해 일일이 작성한 방법이 아쉬웠다고 말 할 수 있다.

공부한 전체 코드는 깃허브에 올렸습니다.

깃허브 링크

Twitter Facebook LinkedIn

Happy Day:)