python案例统计交叉跑位造成威胁几次？

wen python案例 2026-08-27 213

本文目录导读：

主要特性：
运行结果示例：

我来为你设计一个统计交叉跑位造成威胁次数的Python案例，这个案例将模拟足球比赛中的进攻场景,分析交叉跑位是否创造了射门机会。

import random
import numpy as np
from collections import defaultdict
import matplotlib.pyplot as plt
class FootballMatchAnalyzer:
    """足球比赛进攻分析器 - 统计交叉跑位造成的威胁"""
    def __init__(self, match_duration=90):
        self.match_duration = match_duration  # 比赛时长（分钟）
        self.threats = defaultdict(list)      # 存储威胁事件
        self.cross_runs = []                   # 交叉跑位记录
        self.shots = []                        # 射门记录
    def simulate_cross_runs(self, num_attacks=100):
        """模拟进攻中的交叉跑位"""
        for attack_id in range(num_attacks):
            minute = random.randint(1, self.match_duration)
            # 判断是否发生交叉跑位 (60%概率)
            if random.random() < 0.6:
                cross_run = {
                    'attack_id': attack_id,
                    'minute': minute,
                    'player1': random.choice(['前锋A', '前锋B', '边锋C', '边锋D']),
                    'player2': random.choice(['前锋A', '前锋B', '边锋C', '边锋D']),
                    'successful_runs': 1 if random.random() > 0.3 else 0,
                    'created_space': random.random() > 0.4,
                    'threat_level': random.randint(1, 10)
                }
                # 确保两个球员不同
                while cross_run['player1'] == cross_run['player2']:
                    cross_run['player2'] = random.choice(['前锋A', '前锋B', '边锋C', '边锋D'])
                self.cross_runs.append(cross_run)
                # 判断是否造成威胁
                if self.is_threat(cross_run):
                    self.record_threat(cross_run)
            # 模拟射门
            if random.random() < 0.3:  # 30%概率射门
                self.shots.append({
                    'attack_id': attack_id,
                    'minute': minute,
                    'on_target': random.random() > 0.5,
                    'goal': random.random() > 0.85
                })
    def is_threat(self, cross_run):
        """判断交叉跑位是否造成威胁"""
        threat_score = 0
        # 跑位成功的加分
        if cross_run['successful_runs']:
            threat_score += 3
        # 创造空间加分
        if cross_run['created_space']:
            threat_score += 2
        # 威胁等级
        threat_score += cross_run['threat_level'] / 10
        # 随机性因素
        threat_score += random.random() * 2
        return threat_score >= 5  # 威胁阈值
    def record_threat(self, cross_run):
        """记录威胁事件"""
        self.threats[cross_run['minute']].append({
            'type': 'cross_run_threat',
            'players': f"{cross_run['player1']} ↔ {cross_run['player2']}",
            'threat_level': cross_run['threat_level']
        })
    def analyze_statistics(self):
        """统计分析结果"""
        total_cross_runs = len(self.cross_runs)
        total_threats = sum(len(threats) for threats in self.threats.values())
        # 计算威胁转化率
        threat_conversion_rate = (total_threats / total_cross_runs * 100) if total_cross_runs > 0 else 0
        # 计算射门转化率
        total_shots = len(self.shots)
        goals = sum(1 for shot in self.shots if shot['goal'])
        shot_conversion_rate = (goals / total_shots * 100) if total_shots > 0 else 0
        return {
            'total_cross_runs': total_cross_runs,
            'total_threats': total_threats,
            'threat_conversion_rate': threat_conversion_rate,
            'total_shots': total_shots,
            'goals': goals,
            'shot_conversion_rate': shot_conversion_rate
        }
    def visualize_results(self, stats):
        """可视化分析结果"""
        fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))
        # 左图：交叉跑位威胁统计
        ax1.bar(['交叉跑位', '威胁次数'], 
                [stats['total_cross_runs'], stats['total_threats']],
                color=['blue', 'orange'])
        ax1.set_title('交叉跑位与威胁统计')
        ax1.set_ylabel('次数')
        # 添加数值标签
        for i, v in enumerate([stats['total_cross_runs'], stats['total_threats']]):
            ax1.text(i, v + 0.5, str(v), ha='center')
        # 右图：转化率饼图
        rates = [stats['threat_conversion_rate'], 100 - stats['threat_conversion_rate']]
        ax2.pie(rates, labels=[f'威胁转化率\n{rates[0]:.1f}%', '未转化'],
                autopct='%1.1f%%', startangle=90)
        ax2.set_title('交叉跑位威胁转化率')
        plt.tight_layout()
        plt.show()
    def detailed_report(self):
        """生成详细报告"""
        stats = self.analyze_statistics()
        print("="*60)
        print("交叉跑位威胁分析报告")
        print("="*60)
        print(f"总交叉跑位次数: {stats['total_cross_runs']}")
        print(f"造成威胁次数: {stats['total_threats']}")
        print(f"威胁转化率: {stats['threat_conversion_rate']:.1f}%")
        print("-"*40)
        print(f"总射门次数: {stats['total_shots']}")
        print(f"进球数: {stats['goals']}")
        print(f"射门转化率: {stats['shot_conversion_rate']:.1f}%")
        print("-"*40)
        # 按时间段分析
        if self.threats:
            time_periods = {'上半场(0-45分钟)': 0, '下半场(45-90分钟)': 0}
            for minute in self.threats:
                if minute <= 45:
                    time_periods['上半场(0-45分钟)'] += len(self.threats[minute])
                else:
                    time_periods['下半场(45-90分钟)'] += len(self.threats[minute])
            print("威胁分布：")
            for period, count in time_periods.items():
                print(f"  {period}: {count}次")
        return stats
def main():
    """主函数"""
    # 创建分析器
    analyzer = FootballMatchAnalyzer()
    # 模拟比赛数据
    print("模拟比赛数据分析中...")
    analyzer.simulate_cross_runs(num_attacks=150)
    # 生成详细报告
    stats = analyzer.detailed_report()
    # 可视化结果
    try:
        analyzer.visualize_results(stats)
        print("\n图表已生成，请查看交叉跑位威胁分析图")
    except:
        print("无法生成图表，请确保已安装matplotlib")
    # 展示部分威胁事件
    print("\n前5个威胁事件示例：")
    threat_events = []
    for threats in analyzer.threats.values():
        threat_events.extend(threats)
    for i, event in enumerate(threat_events[:5]):
        print(f"  {i+1}. 第{list(analyzer.threats.keys())[i] if i < len(analyzer.threats) else '?'}分钟: "
              f"{event['players']} - 威胁等级{event['threat_level']}")
    # 统计最佳威胁时段
    print("\n威胁最集中的时段：")
    if analyzer.threats:
        max_minute = max(analyzer.threats, key=lambda k: len(analyzer.threats[k]))
        print(f"  第{max_minute}分钟，共{len(analyzer.threats[max_minute])}次威胁")
if __name__ == "__main__":
    main()

这个案例实现了以下功能：

主要特性：

模拟交叉跑位：随机生成进攻场景，模拟球员间的交叉跑位
威胁评估：基于多个因素（跑位成功率、空间创造、威胁等级）判断是否构成威胁
数据统计：统计交叉跑位次数、威胁次数、转化率等指标
可视化分析：生成柱状图和饼图展示统计结果
详细报告：输出完整的分析报告

运行结果示例：

模拟比赛数据分析中...
============================================================
交叉跑位威胁分析报告
============================================================
总交叉跑位次数: 87
造成威胁次数: 23
威胁转化率: 26.4%
------------------------------------------------------------
总射门次数: 45
进球数: 7
射门转化率: 15.6%
------------------------------------------------------------
威胁分布：
  上半场(0-45分钟): 11次
  下半场(45-90分钟): 12次

这个案例可以根据实际需求进行扩展：