实用脚本统计高球传中争顶成功率？

wen 实用脚本 2026-08-14 6

本文目录导读：

实用脚本统计高球传中争顶成功率？

方案一：基于Python（适用于进阶数据分析）
方案二：轻量级Excel/CSV模板（适合手动记录）
核心定义说明
如何适配你的数据？

要统计高球传中（通常指传中球）的争顶成功率，首先需要定义清楚统计口径，在足球数据统计中，通常分为“传中到位率”（传中是否找到队友）和“争顶成功率”（队友是否在争顶中胜出并完成有效控制）。

下面我提供一个基于Python的实用分析脚本模板，它包含数据预处理、核心指标计算和可视化三个部分，你可以根据自己的数据源（如StatsBomb、Wyscout或手动记录）进行调整。

基于Python（适用于进阶数据分析）

如果你有详细的球员事件数据（包含坐标和结果标签）,用这个脚本最准确。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# =============================================
# 第一步：定义数据结构和清洗
# =============================================
# 假设你的CSV数据包含以下列：
# - match_id: 比赛ID
# - player_name: 执行传中的球员
# - receiver_name: 争抢头球的球员
# - event_type: 'cross' (传中) / 'aerial_duel' (争顶)
# - outcome: 'success' (成功) / 'fail' (失败) / 'blocked' (被封堵)
# - x, y: 事件发生的坐标（0-100为宜）
def load_and_clean_data(filepath):
    """加载数据并标准化列名"""
    df = pd.read_csv(filepath)
    # 标准列名映射（若无此列则跳过）
    required_cols = ['match_id', 'player_name', 'receiver_name', 
                     'event_type', 'outcome', 'x', 'y']
    for col in required_cols:
        if col not in df.columns:
            # 如果缺列，手动填充默认值以便运行
            if col == 'outcome':
                df[col] = 'success'  # 默认全部为成功（示例）
            elif col == 'receiver_name':
                df[col] = 'unknown'
            elif col == 'x':
                df[col] = 50  # 默认中路
            elif col == 'y':
                df[col] = 50
    # 只保留传中和争顶事件
    df = df[df['event_type'].isin(['cross', 'aerial_duel'])]
    # 将传中事件与随后的争顶事件关联（假设争顶紧跟着传中）
    # 这里简化为：传中后的下一个事件视为争顶结果
    df['next_outcome'] = df['outcome'].shift(-1)
    df['next_player'] = df['receiver_name'].shift(-1)
    return df
# =============================================
# 第二步：核心统计函数
# =============================================
def calculate_headers_success_rate(df):
    """
    计算争顶成功率
    定义：成功 = 队友在该次传中后完成头球射门、头球摆渡或控球权在队友脚下
    返回字典，包含整体、分球员、分区域的成功率
    """
    # 筛选出有效传中（有争顶跟随的）
    crosses = df[df['event_type'] == 'cross'].copy()
    # 计算总体成功率
    overall_success = crosses['next_outcome'].value_counts()
    total_crosses = len(crosses)
    success_count = overall_success.get('success', 0)
    # --- 按球员统计 ---
    player_stats = crosses.groupby('player_name').apply(
        lambda x: pd.Series({
            'total_crosses': len(x),
            'successes': (x['next_outcome'] == 'success').sum(),
            'success_rate': round((x['next_outcome'] == 'success').mean() * 100, 1)
        })
    ).reset_index()
    # --- 按区域统计（基于传中坐标x）---
    # 假设x坐标：<30为深传，30-70中路，>70底线
    def categorize_zone(x_val):
        if x_val < 30:
            return 'Deep'
        elif x_val <= 70:
            return 'Middle'
        else:
            return 'Byline'
    crosses['zone'] = crosses['x'].apply(categorize_zone)
    zone_stats = crosses.groupby('zone')['next_outcome'].apply(
        lambda x: round((x == 'success').mean() * 100, 1)
    ).reset_index()
    zone_stats.columns = ['Zone', 'Success_Rate']
    # --- 按接收者统计（争顶者）---
    receiver_stats = crosses.groupby('receiver_name').apply(
        lambda x: pd.Series({
            'attempts': len(x),
            'successes': (x['next_outcome'] == 'success').sum(),
            'rate': round((x['next_outcome'] == 'success').mean() * 100, 1)
        })
    ).reset_index()
    return {
        'overall_rate': round(success_count / total_crosses * 100, 1),
        'player_stats': player_stats.sort_values('success_rate', ascending=False),
        'zone_stats': zone_stats,
        'receiver_stats': receiver_stats.sort_values('rate', ascending=False)
    }
# =============================================
# 第三步：可视化输出
# =============================================
def plot_results(results):
    """柱状图展示各球员成功率"""
    fig, axes = plt.subplots(1, 3, figsize=(15, 5))
    # 1. 球员传中成功率
    top_players = results['player_stats'].head(10)
    axes[0].barh(top_players['player_name'], top_players['success_rate'], 
                 color='skyblue')
    axes[0].set_title('Top 10 Players - Cross Header Success Rate')
    axes[0].set_xlabel('Success Rate (%)')
    # 2. 分区成功率
    axes[1].bar(results['zone_stats']['Zone'], 
                results['zone_stats']['Success_Rate'], color='lightgreen')
    axes[1].set_title('Success Rate by Crossing Zone')
    axes[1].set_ylim(0, 100)
    # 3. 最有效率的头球手
    top_headers = results['receiver_stats'].head(5)
    axes[2].barh(top_headers['receiver_name'], top_headers['rate'], 
                 color='salmon')
    axes[2].set_title('Top 5 Headers')
    axes[2].set_xlabel('Success Rate (%)')
    plt.tight_layout()
    plt.show()
# =============================================
# 执行示例
# =============================================
if __name__ == "__main__":
    # 模拟数据（实际应用请替换为真实文件路径）
    sample_data = pd.DataFrame({
        'match_id': [1,1,1,1,1,1,1,1],
        'player_name': ['A','B','A','C','A','B','A','C'],
        'receiver_name': ['X','Y','X','Z','X','Y','X','Z'],
        'event_type': ['cross','cross','cross','cross','cross','cross','cross','cross'],
        'outcome': ['success','fail','success','success','fail','fail','success','success'],
        'x': [25, 45, 75, 60, 20, 80, 50, 30],
        'y': [60, 40, 55, 50, 65, 70, 45, 35]
    })
    # 保存临时CSV
    sample_data.to_csv('sample_crosses.csv', index=False)
    # 运行分析
    df = load_and_clean_data('sample_crosses.csv')
    results = calculate_headers_success_rate(df)
    print(f"整体争顶成功率: {results['overall_rate']}%")
    print("\n球员统计详情:")
    print(results['player_stats'])
    plot_results(results)

轻量级Excel/CSV模板（适合手动记录）

如果你没有专业数据，可以用这个Excel公式逻辑,然后配合Python读取：

Excel列结构： | 时间 | 传中球员 | 落点区域 | 争顶队友 | 争顶结果 | |------|----------------|---------|---------|---------| | 1:23 | 张三 | 前点 | 李四 | 成功/失败 |

核心公式（在Excel中）：

=COUNTIFS(E:E,"成功", B:B,"张三") / COUNTIF(B:B,"张三")

核心定义说明

在脚本中，“争顶成功”默认定义为：

头球射门命中门框范围；
头球摆渡给队友形成有效控球；
防守方解围不算成功（若统计进攻方）。

如果你想调整规则（顶偏也算争顶成功”），只需在calculate_headers_success_rate的success判断条件中修改即可（例如改成outcome == 'success' or outcome == 'blocked'）。

如何适配你的数据？

你只需要告诉我：

你的数据源是什么格式？（CSV/Excel/JSON？）
有哪些关键字段？（比如是否有坐标、球员名、结果标签？）
“成功”你的定义是什么？

我可以为你定制专属的脚本函数，如果你有样例数据（哪怕几行），发给我,我可以直接写出匹配你格式的代码。