这个Python案例显示横传转移球次数？

wen python案例 2026-07-27 2

本文目录导读：

核心思路与Python实现框架
如果你的案例数据是“SoccerAction”格式（或某个具体代码）

要准确回答你的问题，我需要先澄清一下：“横传转移球次数”这个指标在标准的足球数据统计中并没有一个固定的、唯一的定义，它通常取决于数据提供商（如Opta、StatsBomb、Wyscout）或具体分析人员的自定义规则。

最常见的定义是：传球方向与球场水平线（边线）的夹角较小（例如小于45度或30度），且传球距离较长（通常超过20-30米），目的是将球从球场一侧快速转移到另一侧，以改变进攻方向。

由于你没有提供具体的Python代码或数据集，我无法直接分析那个案例，但我可以给你一个通用的Python逻辑和代码框架，帮助你理解如何计算“横传转移球次数”，你可以根据这个框架修改,应用到你的具体数据中。

核心思路与Python实现框架

假设你有一个包含足球赛事事件数据的DataFrame（例如从StatsBomb或Wyscout导入），每一行是一次传球事件,包含以下关键字段：

team_id: 球队ID
player_name: 球员名
x, y: 传球起始坐标 (球场通常为 0-120 x 0-80)
end_x, end_y: 传球结束坐标
pass_type: 传球类型 (可选)
play_pattern: 比赛模式 (如常规进攻、角球等)

第一步：定义“横传转移球”

通常需要满足三个条件：

传球方向偏向横向：用 delta_x 和 delta_y 计算角度,判断是否接近水平。
传球距离较远：设置一个最小距离阈值（如25米）。
发生在中前场：排除后场倒脚（可选）。

第二步：编写Python函数

import pandas as pd
import numpy as np
def is_switch_of_play(row, angle_threshold=30, distance_threshold=25, field_length=105, field_width=68):
    """
    判断一次传球是否为横传转移球。
    假设球场坐标系：x为长度方向(0-105), y为宽度方向(0-68)
    """
    # 1. 计算传球距离 (米)
    dx = row['end_x'] - row['x']
    dy = row['end_y'] - row['y']
    distance = np.sqrt(dx**2 + dy**2)
    # 如果距离太短，不是转移球
    if distance < distance_threshold:
        return False
    # 2. 计算传球方向与水平线的夹角 (单位：度)
    # 水平线角度为0度（纯横传），垂直线为90度（纯直传）
    # 使用atan2: 角度相对于x轴 (横向)
    angle = np.abs(np.degrees(np.arctan2(dy, dx)))
    # 取锐角（0-90）
    if angle > 90:
        angle = 180 - angle
    # 如果角度小于阈值（即接近横传），认为是转移球
    # 有些定义会使用更严格的阈值，如 < 30度
    if angle > angle_threshold:
        return False
    # 3. (可选) 过滤掉后场倒脚，例如只考虑中前场
    # 假设起点在中线附近或靠近对方禁区
    if row['x'] < field_length * 0.3:  # 起点在自己半场太深
        return False
    return True
# 应用到DataFrame
df['is_switch'] = df.apply(is_switch_of_play, axis=1)
# 统计每场比赛/每支球队的横传转移次数
switch_counts = df[df['is_switch']].groupby(['match_id', 'team_name']).size().reset_index(name='switch_count')

第三步：改进与注意事项

球场坐标系映射
- 不同的数据源坐标系不同，例如StatsBomb使用 (0,0) 到 (120,80)（单位是码，需转为米）。
- 有些数据源使用归一化坐标 (0,0) 到 (1,1),你需要根据实际数据调整阈值。
- 常见转换：假设球场长105米，宽68米，则：
```
field_length_m = 105.0
field_width_m = 68.0
# 如果数据坐标是 0-120 (码)
length_scale = field_length_m / 120.0
width_scale = field_width_m / 80.0
row['x'] = row['x'] * length_scale
row['y'] = row['y'] * width_scale
```

更严格的“转移球”定义

有些分析还要求：传球跨越了球场中线（即起点和终点分布在球场左右两侧的不同半区）。

可以增加条件：

# 起点在左侧，终点在右侧（或相反）
center_y = field_width / 2.0
if (row['y'] < center_y and row['end_y'] < center_y) or \
   (row['y'] > center_y and row['end_y'] > center_y):
    return False  # 没有跨越中轴线

可视化验证

用 mplsoccer 或 matplotlib 画出这些传球，确认规则合理。

from mplsoccer import Pitch
pitch = Pitch(pitch_type='custom', pitch_length=105, pitch_width=68)
# 筛选是转移球的传球
switches = df[df['is_switch'] == True]
# 绘制... (代码略)

如果你的案例数据是“SoccerAction”格式（或某个具体代码）

请提供：

你的数据集的列名（特别是坐标、比赛ID、球队ID）
你的数据集坐标系范围（例如x轴是0-100还是0-120）
你期望的横传定义（是否要求跨越半场？距离阈值？）

我可以根据你的具体字段，给出可直接运行的修改代码。

“横传转移球次数”的计算公式是：

筛选传球距离 > 25米的事件
筛选传球方向与水平线夹角 < 30度的事件
(可选) 筛选起点和终点位于球场不同侧（左右）的事件
按球队或球员groupby计数

上面的Python函数可以直接复制并调整参数，应用到你的案例中，如果你能分享你的数据样例（几行即可，注意脱敏）,我可以帮你写出精确适配的代码。