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
