多元回归分析数据集_数据分析实例——足球运动员数据集（1）

又开始做实例了~在本次数据集中，包含了2017年所有活跃的足球运动员的个人数据，包括身高体重等基本数据，以及力量、速度、技巧等多个指标。C罗、梅西、内马尔，到底谁比较厉害呢？答案我们可以从数据中获得。（有意思~）

数据来源：

本次数据集的来源是kesci，提供者是Ustinian，想自己动手试试的同学可以去了解一下~

下面开始我们的实例学习之路~

一、了解数据集

下面是和鲸社区中，对数据集的描述，主要包括了：数据集的主要内容、以及数据内的各个标签的中文注释。

（1）数据内容：

2017年所有活跃的足球运动员。

（2）数据说明（标签名）：

Name 姓名
Nationality 国籍
National_Position 国家队位置
National_Kit 国家队号码
Club 所在俱乐部
Club_Position 所在俱乐部位置
Club_Kit 俱乐部号码
Club_Joining 加入俱乐部时间
Contract_Expiry 合同到期时间
Rating 评分
Height 身高
Weight 体重
Preffered_Foot 擅长左（右）脚
Birth_Date 出生日期
Age 年龄
Preffered_Position 擅长位置
Work_Rate 工作效率
Weak_foot 非惯用脚使用频率
Skill_Moves 技术等级
Ball_Control 控球技术
Dribbling 盘球（带球）能力
Marking 盯人能力
Sliding_Tackle 铲球
Standing_Tackle 逼抢能力
Aggression 攻击能力
Reactions 反击
Attacking_Position 攻击性跑位
Interceptions 抢断
Vision 视野
Composure 镇静
Crossing 下底传中
Short_Pass 短传
Long_Pass 长传
Acceleration 加速度
Speed 速度
Stamina 体力
Strength 强壮
Balance 平衡
Agility 敏捷度
Jumping 跳跃
Heading 投球
Shot_Power 射门力量
Finishing 射门
Long_Shots 远射
Curve 弧线
Freekick_Accuracy 任意球精准度
Penalties 点球
Volleys 凌空能力
GK_Positioning 门将位置感
GK_Diving 扑救能力
GK_Kicking 门将踢球能力
GK_Handling 扑球脱手几率
GK_Reflexes 门将反应度

（3）导入数据：

import numpy as np
import pandas as pd
df = pd.read_csv(r'C:UsersAdministratorDesktopzuqiu8543football.csv')

（4）查看数据基本信息：

df.head()

df.shape

查看数据缺失情况：

df.isnull().sum()</