python案例统计转身过人次数谁多？

wen python案例 2026-08-07 2

转身过人次数谁多？用Python案例统计破解“球场玄学”

目录导读

为什么“转身过人”需要数据说话？
数据从哪来？——构建球员动作事件库
Python实战：四步完成转身过人统计
- 1 数据清洗：把“转身”从文本里抠出来
- 2 定义“过人”规则：避免误判
- 3 分组聚合：按球员计算次数
- 4 可视化对比：柱状图直击答案
案例结果：谁才是“转身之王”？
FAQ：关于转身统计的常见疑问
延伸：如何用同样方法分析其他动作？

为什么“转身过人”需要数据说话？

足球或篮球赛场上,“转身过人”是观赏性极强的技术动作，但人们常凭印象争论“谁转身次数更多”——比如C罗的“马赛回旋” vs. 梅西的“背身抹球”，主观记忆容易受高光集锦干扰，而Python数据统计能给出客观答案。

python案例统计转身过人次数谁多？

通过解析比赛事件文本（如“第23分钟，球员A背身接球，转身摆脱防守球员B”），我们可以用正则表达式、Pandas和Matplotlib，批量计算每位球员的转身过人频率，本文将带你跑通完整案例，并给出可复用的代码逻辑。

数据从哪来？——构建球员动作事件库

假设我们有一份训练数据集 actions.csv，每行记录一次带球动作：

player,action_description,minute
Messi,"背身接球，右脚拨球转身，晃过后卫",23
Ronaldo,"接球后360度转身，摆脱两人包夹",45
Neymar,"假动作转身，人球分过",67
Messi,"转身护球，未过人",70
Ronaldo,"背身转身，但被断球",89

关键点：原始数据是自然语言，我们需要清洗提取特征词（如“转身”“摆脱”“晃过”）。

Python实战：四步完成转身过人统计

1 数据清洗：把“转身”从文本里抠出来

import pandas as pd
df = pd.read_csv('actions.csv')
# 筛选包含“转身”的记录
turn_df = df[df['action_description'].str.contains('转身')]
print(f"包含'转身'的记录数: {len(turn_df)}")

2 定义“过人”规则：避免误判

不是所有转身都算过人,设定规则：

必须出现“甩开”“摆脱”“晃过”“过掉”等词；
排除“被断”“失误”“未过人”等否定词。

success_words = ['摆脱', '晃过', '过掉', '甩开']
fail_words = ['被断', '未过人', '失误']
def is_success(desc):
    has_success = any(w in desc for w in success_words)
    has_fail = any(w in desc for w in fail_words)
    return has_success and not has_fail
turn_df['over'] = turn_df['action_description'].apply(is_success)

3 分组聚合：按球员计算次数

result = turn_df.groupby('player')['over'].agg(['sum', 'count'])
result.columns = ['过人次数', '转身总次数']
result['过人率'] = (result['过人次数'] / result['转身总次数'] * 100).round(1)
print(result.sort_values('过人次数', ascending=False))

4 可视化对比：柱状图直击答案

import matplotlib.pyplot as plt
plt.figure(figsize=(10, 5))
plt.bar(result.index, result['过人次数'], color=['#1f77b4', '#ff7f0e', '#2ca02c'])'转身过人次数对比')
plt.ylabel('次数')
plt.tight_layout()
plt.show()