xG-tabel via Python og Superliga.dk

Endnu en leg med xG-data fra den danske Superliga. Det er samme datasæt/tilgang som i Xg-plots med Python og Superliga.dk part 3 og Xg-plots med Python og Superliga.dk (part2), men her brugt til at liste alle chancer i en kamp på pænest mulige måde.

Xg-plots med Python og Superliga.dk part 3

Jeg har opdateret scriptet en smule. Se evt. Xg-plots med Python og Superliga.dk (part2).
Man kan nu vælge når man kører scriptet, hvilke runder man ønsker data fra og evt. tilføje et enkelt holds ID, så man kun får kampe hvor holdet har været indvolveret.

Xg-plots med Python og Superliga.dk (part2)

Analyse af Forventede Mål (xG) i Superligaen med Python

I moderne fodboldanalyse spiller statistikker en stadig vigtigere rolle, og én af de mest centrale statistikker er “Expected Goals” (xG). Expected Goals giver en dybere indsigt i holdenes og spillernes præstationer ved at kvantificere kvaliteten af de chancer, de skaber og afslutter. I dette indlæg vil jeg præsentere et Python-script, jeg har udviklet, som analyserer og visualiserer xG-data fra Superligaen.

Hvad er Expected Goals (xG)?

Expected Goals er en statistisk måling, der vurderer sandsynligheden for, at et skud resulterer i et mål, baseret på forskellige faktorer såsom skuddets afstand til målet, vinkel, skuddets type, og meget mere. Denne måling giver en mere nuanceret forståelse af et holds offensive præstationer end blot at se på antallet af scorede mål.

Helt utroligt mange hold!

Velkommen til min rejse fra Rstudio til Python! I dette blogindlæg vil jeg dele, hvordan jeg anvendte Python til at samle og analysere en omfattende dataset med fodboldhold fra hele verden. Vi starter med at hente information om næsten 4500 hold direkte fra ss2.si-ab.com, og ved lidt detektivarbejde, udvider vi til at indsamle detaljer fra diverse fodboldturneringer.

Gennem en række Python-scripts vil jeg guide jer igennem processen med at trække data, håndtere duplikater, og berige vores dataset med yderligere informationer om lande, hvilket kulminerer i en omfattende tabel over 7773 unikke fodboldhold.

Denne oplevelse har ikke blot styrket mine tekniske færdigheder, men også givet indsigt i den globale fodboldverden. Følg med, og se hvordan datahåndtering i Python kan åbne døre til nye indsigter og sjove projekter!

Sådan Arbejdede jeg inEffektivt med API-data i Excel: En Guide til UEFA Ranking og Superliga Data

I dette blogindlæg deler jeg min rejse med at håndtere UEFA ranking og Superliga data i Excel ved hjælp af PowerQuery, en tilgang der forenkler manipulation af komplekse JSON-datastrukturer. Jeg introducerer et Excel-dokument bestående af tre ark, der dækker lande- og klubkoefficientlister samt detaljer om Superligaens 2024-sæson. Læringspunkter inkluderer brugen af HVISER-funktionen, “Til tabel”-funktionen i PowerQuery, og hvordan den avancerede editor kan effektivisere datahåndtering. Projektet understreger vigtigheden af tålmodighed og dygtighed, når man arbejder med indviklede datasæt.

GoogleMap med 441 Champions League Stadions

Exploring the Pitches of Glory: A Map of Champions League Stadiums

Immerse yourself in the vibrant history of the Champions League by exploring the map of stadiums that have hosted the prestigious tournament’s matches. This colorful guide not only showcases the geographical distribution of these iconic venues but also categorizes them based on the frequency of matches hosted, painting a picture of the continent’s footballing heartlands.

With a palette of colors denoting stadiums that have been graced with different ranges of matches, from 3 to a whopping 594, every pin drops a story of triumphant nights, of underdogs and champions, of roaring crowds, and unforgettable football moments.

Chatgtp i Excel til FP9-FP10 i sommeren 2024?

Jeg har netop afprøvet GPT for Excel Word i Excel-versionen fra 2023, og resultaterne er imponerende. Ved simpelthen at indsætte opgaveteksten i en Excel-celle, fremkommer løsningen prompte. Under min test med forskelligartede opgaver klarede den enhver udfordring med lethed. Her er et par eksempler fra december 2023-prøvesættet:

R-script filtrerer XG-events

Vil du gerne vide hvor mange chancer Hvidovre har skabt efter indirekte frispark, hvor afslutningen har været med højre fod?
Eller hvor mange gange Odense Boldklub har afsluttet med hovedet i 1. halvleg?
Eller vil du have oplistet alle afslutninger med en XG over 0,5 med venstre fod som ramte stolpen?

Så er flg. script vejen frem i Rstudio: