本文目录导读：
- 情况一：你有一份GPS手表/APP导出的CSV/Excel文件（有时间和速度列）
- 情况二：你只有“时间间隔”数据（例如从秒表或手动记录的数组）
- 情况三：你想比较“冲刺跑”和“慢跑”谁的总距离/次数多（数据是轨迹点）
- 关键点：如何定义“一次”冲刺？
这是一个典型的“数据统计”或“运动数据分析”问题，你的问题描述比较简略，我需要先明确“冲刺跑”的数据来源和“次数”的定义，才能给出实用的脚本。
为了直接给你可用的东西,我假设以下几种最常见的情况，并分别给出Python脚本（因为处理数据最方便），你可以根据你的实际情况选择对应脚本。
你有一份GPS手表/APP导出的CSV/Excel文件（有时间和速度列）
这是最实用的场景,假设你的文件包含 时间戳 和 速度（m/s或km/h）。
逻辑：定义“冲刺”为速度超过阈值（如：>7 m/s 或 >25 km/h），并且持续超过2秒（避免断断续续），脚本会统计每人（或每个文件）的冲刺段数，而不是秒数。
import pandas as pd
def count_sprints(file_path, speed_col='speed_ms', time_col='timestamp', threshold_ms=7.0, min_duration_s=2.0):
"""
统计一个文件中的冲刺跑段数
:param file_path: CSV文件路径
:param speed_col: 速度列名（单位：米/秒）
:param time_col: 时间列名（用于计算持续时间）
:param threshold_ms: 冲刺速度阈值（米/秒），默认7m/s（约25km/h）
:param min_duration_s: 达到阈值的最低持续时间（秒）
:return: 冲刺次数和总时长
"""
df = pd.read_csv(file_path)
# 确保速度是数字
df[speed_col] = pd.to_numeric(df[speed_col], errors='coerce')
# 生成一个布尔列：是否在冲刺
df['is_sprint'] = df[speed_col] > threshold_ms
sprint_count = 0
sprint_start = None
total_sprint_time = 0
# 遍历每一行（模拟时间序列）
for index, row in df.iterrows():
if row['is_sprint']:
# 如果上一行不是冲刺，说明是新的冲刺开始
if sprint_start is None:
sprint_start = index
else:
# 如果之前一直在冲刺，现在结束了
if sprint_start is not None:
end_index = index - 1
duration = df.loc[end_index, time_col] - df.loc[sprint_start, time_col]
# 持续时间大于最小阈值才算一次冲刺
if duration >= min_duration_s:
sprint_count += 1
total_sprint_time += duration
sprint_start = None
# 处理文件末尾还在冲刺的情况
if sprint_start is not None:
duration = df.iloc[-1][time_col] - df.loc[sprint_start, time_col]
if duration >= min_duration_s:
sprint_count += 1
total_sprint_time += duration
return sprint_count, total_sprint_time
# --- 使用方法 ---
# 假设你有两个文件：player_a.csv 和 player_b.csv
# 文件格式：timestamp,speed_ms
# 调用示例
# a_count, a_time = count_sprints('player_a.csv')
# b_count, b_time = count_sprints('player_b.csv')
# print(f"A的冲刺次数: {a_count}, 总时长: {a_time}")
# print(f"B的冲刺次数: {b_count}, 总时长: {b_time}")
# if a_count > b_count: print("A更多") ...
你只有“时间间隔”数据（例如从秒表或手动记录的数组）
假设你有两个数组,分别记录了两个运动员为了完成某几组冲刺所用的时间（单位：秒），你想比较谁跑的次数多。
# 假设这是数据：每个数字代表一次冲刺的完成时间（秒）
player_a_sprint_times = [10.2, 11.5, 10.8, 12.1] # A跑了4次
player_b_sprint_times = [9.8, 10.5, 11.0] # B跑了3次
if len(player_a_sprint_times) > len(player_b_sprint_times):
print("A比B跑得多")
print(f"A跑了{len(player_a_sprint_times)}次，B跑了{len(player_b_sprint_times)}次")
elif len(player_a_sprint_times) < len(player_b_sprint_times):
print("B比A跑得多")
else:
print("次数一样多")
你想比较“冲刺跑”和“慢跑”谁的总距离/次数多（数据是轨迹点）
如果你只有经纬度和时间戳,需要先计算速度。
import pandas as pd
import numpy as np
from math import radians, cos, sin, asin, sqrt
def haversine(lon1, lat1, lon2, lat2):
"""计算两点间距离（米）"""
lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2])
dlon = lon2 - lon1
dlat = lat2 - lat1
a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
c = 2 * asin(sqrt(a))
r = 6371000
return c * r
def calculate_sprint_count_from_gps(df, time_col='ts', lat_col='lat', lon_col='lon', threshold_speed=7.0):
"""从GPS数据计算冲刺次数"""
df = df.copy()
# 计算时间差（秒）和距离（米）
df['dt'] = df[time_col].diff().dt.total_seconds()
df['dist'] = df.apply(lambda row: haversine(row[lon_col], row[lat_col],
df.iloc[row.name-1][lon_col], df.iloc[row.name-1][lat_col])
if row.name > 0 else 0, axis=1)
df['speed'] = df['dist'] / df['dt']
# 标记冲刺状态
df['is_sprint'] = df['speed'] > threshold_speed
# 用类似情况一的方法计算连续段数
# ... (这里省略重复代码，核心逻辑同情况一)
return sprint_count
关键点：如何定义“一次”冲刺？
脚本的核心在于逻辑判断，请根据你的运动项目（足球、短跑、篮球）调整：
- 阈值：短跑百米选手阈值应设为10m/s以上；足球运动员阈值设为7-8m/s即可。
- 最短持续时间：通常要持续1-2秒以上才算一次“冲刺跑”，否则是瞬间提速的抖动。
想要更精准的脚本，请告诉我：
- 你的数据是什么格式？（Excel/CSV/纯文本/手表APP截图）
- 数据里有哪些列？（时间、速度、心率，还是只有距离和时间？）
- 你如何定义“一次冲刺”？（速度超过XX公里/小时，并持续X秒）
如果你手头有具体的文件（可以脱敏后粘贴几行示例），我可以帮你写一个完整可运行的统计脚本。
