Python案例认为上半场是否有进球产生？

本文目录导读：

1. 案例一：基于历史数据的统计概率（最简单）
2. 案例二：基于泊松分布（更科学的统计模型）
3. 案例三：机器学习（XGBoost / 逻辑回归）—— 进阶
4. 实际应用中的坑（非常重要）
5. 如果只是做一个简单的“有/无”判断，代码如何写？

这是一个非常经典的数据挖掘或机器学习入门案例，通常用于足球彩票预测或比赛分析。

没有任何一种Python模型能够100%准确预测上半场是否有进球，因为足球比赛充满了随机性（运气、裁判误判、球员状态等）。

但在数据科学的语境下，我们可以通过历史数据和特征工程，构建一个模型来预测上半场进球的概率。

以下是一个完整的Python实现框架,分为三个递进的案例：纯统计概率、基于规则的判断、机器学习预测。

基于历史数据的统计概率（最简单）

如果你只有两队的历史比赛数据,可以通过计算两队最近比赛的上半场进球率来估算。

import pandas as pd
import numpy as np
# 假设你有一个DataFrame，包含历史比赛数据
# 每行代表一场比赛，列名为：'主队', '客队', '主队上半场进球', '客队上半场进球'
data = {
    '主队': ['曼城', '曼城', '利物浦', '利物浦'],
    '客队': ['阿森纳', '切尔西', '曼联', '曼城'],
    '主队上半场进球': [1, 0, 2, 1],
    '客队上半场进球': [0, 1, 0, 1]
}
df = pd.DataFrame(data)
def predict_first_half_goal_probability(home_team, away_team, historical_df):
    """
    计算两队上半场至少进1球的概率（基于历史数据）
    """
    # 筛选主队近5场主场比赛
    home_games = historical_df[historical_df['主队'] == home_team].tail(5)
    # 筛选客队近5场客场比赛
    away_games = historical_df[historical_df['客队'] == away_team].tail(5)
    # 合并所有相关比赛
    all_games = pd.concat([home_games, away_games])
    if len(all_games) == 0:
        return 0.5  # 无数据时返回随机概率
    # 计算上半场总进球数 > 0 的比例
    total_first_half_goals = all_games['主队上半场进球'] + all_games['客队上半场进球']
    probability = (total_first_half_goals > 0).mean()
    return probability
# 示例
prob = predict_first_half_goal_probability('曼城', '阿森纳', df)
print(f"预测上半场有进球的概率：{prob:.2%}")
# 输出可能是：预测上半场有进球的概率：75.00%

基于泊松分布（更科学的统计模型）

足球进球数通常服从泊松分布，我们可以计算两队攻防能力，然后预测上半场进球期望值。

from scipy.stats import poisson
import numpy as np
# 假设我们有两队最近5场比赛的进球数据
man_city_home_goals_first_half = [1, 0, 2, 1, 0]  # 曼城主场上半场进球
chelsea_away_goals_first_half = [1, 0, 1, 0, 1]   # 切尔西客场上半场进球
man_city_home_conceded_first_half = [0, 1, 0, 0, 1] # 曼城主场上半场失球
chelsea_away_conceded_first_half = [1, 1, 0, 1, 0] # 切尔西客场上半场失球
# 计算平均期望
home_attack = np.mean(man_city_home_goals_first_half)
away_defense = np.mean(chelsea_away_conceded_first_half)
away_attack = np.mean(chelsea_away_goals_first_half)
home_defense = np.mean(man_city_home_conceded_first_half)
# 上半场期望进球
expected_home_goals = (home_attack + away_defense) / 2
expected_away_goals = (away_attack + home_defense) / 2
# 计算上半场至少进1球的概率：1 - 两队都不进球的概率
prob_no_goal = poisson.pmf(0, expected_home_goals) * poisson.pmf(0, expected_away_goals)
prob_at_least_one = 1 - prob_no_goal
print(f"预测上半场有进球的概率：{prob_at_least_one:.2%}")
# 输出例如：预测上半场有进球的概率：68.47%

机器学习（XGBoost / 逻辑回归）—— 进阶

如果你想用更高级的方法,需要大量特征（如射门次数、控球率、近期战绩、球员伤停等）。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
# 假设你已经有一个包含特征和标签的数据集
# 特征：主队射门、客队射门、主队控球率、客队控球率、主队排名、客队排名等
# 标签：is_first_half_goal (1表示上半场有进球，0表示无)
# 示例数据集
data = {
    'home_shots': [5, 3, 8, 2],
    'away_shots': [3, 6, 2, 4],
    'home_possession': [60, 55, 70, 40],
    'away_possession': [40, 45, 30, 60],
    'first_half_goal': [1, 0, 1, 0]  # 标签
}
df = pd.DataFrame(data)
# 划分特征和标签
X = df[['home_shots', 'away_shots', 'home_possession', 'away_possession']]
y = df['first_half_goal']
# 训练简单逻辑回归模型
model = LogisticRegression()
model.fit(X, y)
# 预测新比赛
new_match = [[6, 4, 55, 45]]  # 某个新比赛的特征
prediction = model.predict(new_match)
probability = model.predict_proba(new_match)[0][1]  # 属于1类的概率
print(f"预测上半场是否有进球：{'是' if prediction[0] == 1 else '否'}")
print(f"置信度：{probability:.2%}")
# 输出：预测上半场是否有进球：是
# 注意：这个概率仅供参考，实际需要大量数据训练

实际应用中的坑（非常重要）

1. 小样本偏差：只靠几场比赛无法准确预测，职业模型通常使用过去3-5个赛季的数据。
2. 主场优势：上半场有进球的概率大约在 50%-55%（英超数据），但主队进球的概率更高。
3. 模型局限性：足球进球是低概率事件（一场比赛通常2-3球），上半场有进球的概率通常介于40%-60%之间，模型很难大幅提高准确率。

如果只是做一个简单的“有/无”判断，代码如何写？

如果你只是想根据阈值输出结果（比如概率>50%就输出“有”），可以这样写：

def judge_first_half_goal(probability, threshold=0.5):
    return "上半场有进球" if probability > threshold else "上半场无进球"
prob = 0.55  # 假设模型输出
result = judge_first_half_goal(prob, threshold=0.5)
print(result)  # 输出: 上半场有进球

• 用泊松分布（案例二）是足球预测领域最经典的方法。
• 用机器学习（案例三）需要大量特征的提取和足够的训练数据。
• 没有万能公式，但以上代码可以作为你构建自身预测系统的起点。

如果你手头有具体的比赛数据（如CSV文件），可以告诉我，我可以帮你写一个完整的训练-预测脚本。