本文目录导读：
我来为您创建一个足球高球传中争顶成功率的统计案例。
完整代码实现
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
class HighBallStatAnalyzer:
"""高球传中争顶成功率分析器"""
def __init__(self):
"""初始化数据容器"""
self.data = []
self.df = None
def generate_sample_data(self, num_records=100):
"""生成示例数据"""
np.random.seed(42)
players = ['张伟', '李强', '王浩', '赵磊', '陈晨',
'刘洋', '杨帆', '孙明', '周涛', '吴刚']
positions = ['前锋', '中场', '后卫']
matches = [f'第{i}轮' for i in range(1, 20)]
for _ in range(num_records):
record = {
'球员': np.random.choice(players),
'位置': np.random.choice(positions),
'比赛': np.random.choice(matches),
'传球方式': np.random.choice(['角球传中', '边路传中', '定位球', '任意球']),
'传球区域': np.random.choice(['左路', '右路', '中路']),
'比赛时间': np.random.randint(1, 95),
'是否接触': np.random.choice([0, 1], p=[0.3, 0.7]),
'争顶成功': np.random.choice([0, 1], p=[0.4, 0.6])
}
self.data.append(record)
self.df = pd.DataFrame(self.data)
return self.df
def calculate_success_rate(self):
"""计算争顶成功率"""
if self.df is None:
return None
df = self.df.copy()
# 计算总体争顶成功率
total_stats = {
'总传中次数': len(df),
'争顶次数': df['是否接触'].sum(),
'争顶成功次数': df['争顶成功'].sum(),
'总体成功率': df['争顶成功'].mean() * 100
}
# 按球员统计
player_stats = df.groupby('球员').agg({
'是否接触': ['count', 'sum'],
'争顶成功': ['sum', 'mean']
}).round(4)
player_stats.columns = ['传中次数', '争顶次数', '争顶成功次数', '成功率']
player_stats['成功率'] = player_stats['成功率'] * 100
player_stats = player_stats.sort_values('成功率', ascending=False)
# 按位置统计
position_stats = df.groupby('位置').agg({
'是否接触': ['count', 'sum'],
'争顶成功': ['sum', 'mean']
}).round(4)
position_stats.columns = ['传中次数', '争顶次数', '争顶成功次数', '成功率']
position_stats['成功率'] = position_stats['成功率'] * 100
# 按传球方式统计
style_stats = df.groupby('传球方式').agg({
'是否接触': ['count', 'sum'],
'争顶成功': ['sum', 'mean']
}).round(4)
style_stats.columns = ['传中次数', '争顶次数', '争顶成功次数', '成功率']
style_stats['成功率'] = style_stats['成功率'] * 100
return {
'total': total_stats,
'player': player_stats,
'position': position_stats,
'style': style_stats
}
def analyze_time_distribution(self):
"""分析比赛时间段的争顶成功率"""
if self.df is None:
return None
df = self.df.copy()
df['时间段'] = pd.cut(df['比赛时间'],
bins=[0, 15, 30, 45, 60, 75, 95],
labels=['0-15', '15-30', '30-45', '45-60', '60-75', '75-90+'])
time_stats = df.groupby('时间段').agg({
'是否接触': ['count', 'sum'],
'争顶成功': ['sum', 'mean']
}).round(4)
time_stats.columns = ['传中次数', '争顶次数', '争顶成功次数', '成功率']
time_stats['成功率'] = time_stats['成功率'] * 100
return time_stats
def visualize_results(self, stats):
"""可视化统计结果"""
fig, axes = plt.subplots(2, 2, figsize=(15, 12))
# 1. 球员争顶成功率
ax1 = axes[0, 0]
player_data = stats['player'].head(10)
ax1.barh(player_data.index, player_data['成功率'], color='steelblue')
ax1.set_xlabel('成功率 (%)')
ax1.set_title('球员争顶成功率 TOP10')
ax1.set_xlim(0, 100)
for i, v in enumerate(player_data['成功率']):
ax1.text(v + 1, i, f'{v:.1f}%', va='center')
# 2. 不同位置成功率
ax2 = axes[0, 1]
position_data = stats['position']
colors = ['#ff9999', '#66b3ff', '#99ff99']
ax2.bar(position_data.index, position_data['成功率'], color=colors)
ax2.set_ylabel('成功率 (%)')
ax2.set_title('不同位置的争顶成功率')
ax2.set_ylim(0, 100)
for i, v in enumerate(position_data['成功率']):
ax2.text(i, v + 2, f'{v:.1f}%', ha='center')
# 3. 传球方式成功率
ax3 = axes[1, 0]
style_data = stats['style']
ax3.pie(style_data['争顶成功次数'], labels=style_data.index,
autopct='%1.1f%%', startangle=90)
ax3.set_title('不同传球方式的争顶成功占比')
# 4. 时间段趋势
ax4 = axes[1, 1]
time_stats = self.analyze_time_distribution()
ax4.plot(time_stats.index, time_stats['成功率'],
marker='o', linewidth=2, markersize=8, color='crimson')
ax4.set_xlabel('比赛时间段')
ax4.set_ylabel('成功率 (%)')
ax4.set_title('不同时间段的争顶成功率趋势')
ax4.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()
def generate_report(self):
"""生成统计报告"""
stats = self.calculate_success_rate()
print("="*60)
print("高球传中争顶成功率分析报告")
print("="*60)
# 总体统计
total = stats['total']
print(f"\n【总体统计】")
print(f"总传中次数：{total['总传中次数']}")
print(f"争顶次数：{total['争顶次数']}")
print(f"争顶成功次数：{total['争顶成功次数']}")
print(f"总体成功率：{total['总体成功率']:.2f}%")
# 球员统计
print(f"\n【球员排名】")
player_stats = stats['player']
for player, row in player_stats.head(5).iterrows():
print(f"{player}: {row['成功率']:.1f}% "
f"(成功{int(row['争顶成功次数'])}/{int(row['争顶次数'])}次)")
# 位置统计
print(f"\n【位置统计】")
for position, row in stats['position'].iterrows():
print(f"{position}: {row['成功率']:.1f}% "
f"({int(row['争顶成功次数'])}/{int(row['争顶次数'])}次)")
# 传球方式
print(f"\n【传球方式统计】")
for style, row in stats['style'].iterrows():
print(f"{style}: {row['成功率']:.1f}% "
f"({int(row['争顶成功次数'])}/{int(row['争顶次数'])}次)")
return stats
使用示例
# 创建分析器实例
analyzer = HighBallStatAnalyzer()
# 生成示例数据
df = analyzer.generate_sample_data(200)
print("示例数据前5行：")
print(df.head())
# 计算统计结果
stats = analyzer.calculate_success_rate()
# 生成报告
analyzer.generate_report()
# 可视化结果
analyzer.visualize_results(stats)
# 分析时间段分布
time_stats = analyzer.analyze_time_distribution()
print("\n【时间段统计】")
print(time_stats)
额外功能：进阶分析
class AdvancedHighBallAnalyzer(HighBallStatAnalyzer):
"""高级高球争顶分析器"""
def analyze_combination(self):
"""分析位置和传球方式的组合效果"""
if self.df is None:
return None
combo_stats = self.df.groupby(['位置', '传球方式']).agg({
'争顶成功': ['count', 'sum', 'mean']
}).round(4)
combo_stats.columns = ['总次数', '成功次数', '成功率']
combo_stats['成功率'] = combo_stats['成功率'] * 100
return combo_stats
def find_optimal_strategy(self):
"""寻找最佳争顶策略"""
combo = self.analyze_combination()
best_combos = combo.nlargest(5, '成功率')
print("\n【最佳争顶策略】")
for idx, row in best_combos.iterrows():
print(f"{idx[0]}-{idx[1]}: 成功率{row['成功率']:.1f}%")
return best_combos
def predict_success_rate(self, player_name, position, pass_style):
"""基于历史数据预测争顶成功率"""
historical = self.df[
(self.df['球员'] == player_name) &
(self.df['位置'] == position) &
(self.df['传球方式'] == pass_style)
]
if len(historical) == 0:
return None
success_rate = historical['争顶成功'].mean() * 100
sample_size = len(historical)
return {
'预测成功率': success_rate,
'样本数': sample_size,
'置信度': min(sample_size * 10, 100) # 简单置信度评估
}
运行示例
# 使用高级分析器
advanced_analyzer = AdvancedHighBallAnalyzer()
df = advanced_analyzer.generate_sample_data(500)
# 生成完整报告
stats = advanced_analyzer.generate_report()
# 寻找最佳策略
advanced_analyzer.find_optimal_strategy()
# 预测特定球员成功率
prediction = advanced_analyzer.predict_success_rate('张伟', '前锋', '角球传中')
print(f"\n【预测】张伟在角球传中的争顶成功率：{prediction['预测成功率']:.1f}%")
print(f"样本数量：{prediction['样本数']}，置信度：{prediction['置信度']}%")
这个案例提供了：
- 基础统计：总体、球员、位置、传球方式的争顶成功率
- 时间分析：比赛不同时间段的争顶成功率变化
- 可视化展示：清晰的图表呈现统计数据
- 策略分析：找出最佳争顶组合策略
- 预测功能：根据历史数据预测特定场景的成功率
您可以根据实际需求调整数据源和分析维度。
