The GitHub History of the premier league games 📚📈

👀 England premier league :

Le championnat d'Angleterre de football est la plus importante compétition de football en Angleterre Lancée en 1888 par la Football Association sous le nom de « Football League », la compétition laisse place en 1992 à la Premier League, transformée en Barclays Premier League de 2004 à 2016 avant de reprendre son appellation précédente..

PLAN DE TRAVAIL

2. Préparation et nettoyage des données
3. Fusionner les DataFrames
4. Le projet est-il encore activement maintenu
5. Y a-t-il de la camaraderie dans le projet ?
6. Quels sont les fichiers qui ont été modifiés dans les dix dernières pull requests ?
7. Qui a fait le plus de pull requests sur un fichier donné ?
8. Qui a fait le plus de pull requests sur un fichier donné ?
9. Les pull requests de deux développeurs particuliers
10. Visualiser les contributions de chaque développeur

A propos du projet:

ce projet contient tous les information concernant les matches de premier league(2018-2019) . Dans ce projet, vous devrez lire, nettoyer et visualiser le référentiel des matches de premier league(2018-2019)

Prérequis:

* python

* Jupyter Notebook

Features:

Div: Division the game was played in

Date: The date the game was played

omeTeam: The home team

AwayTeam: The away team

FTHG: Full time home goals

FTAG: Full time away goals

FTR: Full time result

HTHG: Half time home goals

HTAG: Half time away goals

HTR: Half time result

Referee: The referee of the game

HS: :Number of shots taken by home team

AS: Number of shots taken by away team

HST: Number of shots taken by home team on target

AST: Number of shots taken by away team on target

HF: Number of fouls made by home team

AF: Number of fouls made by away team

HC: Number of corners taken by home team

AC: Number of corners taken by away team

HY: Number of yellow cards received by home team

AY: Number of yellow cards received by away team

HR: Number of red cards received by home team

AR: Number of red cards received by away team

Loading libraries :

import pandas as pd

import matplotlib

import seaborn

👩‍🏫 Préparation des données:

notre projet composé une seul fichier :
epl.csv : contient les informations de matches de premier league(2018-2019)

📊 Visualisation de données:

*full time result: l'analyse montre que les plupart de matches sont gagner par l'équipe à domicile

<img src='FTR.jpg'/>

• apres l'analyser nous avons constate que l'équipe qui a une carton rouge va de perdre le match que ce soit à domicile où bien à l'exterieur ,cette figure montre la plupart des resultas quand l'equipe à domicile recoit une carton rouge:
  
  

  

CONCLUSION: j'ai conclure que les cartons rouge ont un effet sur les resultats de les matches ainsi que le terrain des matches