实用脚本统计回传次数反映保守程度？

本文目录导读：

1. 核心逻辑（通用）
2. 方案一：适用于 Python + Pandas（处理事件型数据）
3. 方案二：适用于 JavaScript / Node.js（实时或网页分析）
4. 方案三：纯 Bash / AWK（用于处理简单文本日志）
5. 进阶指标（更精确的保守程度）

统计回传次数反映保守程度”这一需求，在足球数据分析、游戏AI（如FM（足球经理）或FIFA）以及战术研究中非常常见。

以下我为你提供3种不同场景下的实用脚本方案,并解释其核心逻辑。

核心逻辑（通用）

“回传”通常定义为：与上一次触球方向相比，球向本方球门方向移动的传球。 保守程度可以量化为：回传次数 / 总传球次数 或 回传频率（每分钟回传次数）。

适用于 Python + Pandas（处理事件型数据）

如果你有一份包含每次传球起止坐标和时间的 CSV/数据库,这个脚本非常实用。

import pandas as pd
def calculate_conservatism_score(df):
    """
    计算回传率与保守程度
    :param df: 包含传球数据的DataFrame，需包含列：
               ['player', 'x_start', 'y_start', 'x_end', 'y_end', 'timestamp', 'team']
    :return: 返回统计结果
    """
    # 示例数据加载 (假设数据已存在)
    # df = pd.read_csv('passes.csv')
    # 1. 计算传球方向向量（X轴正方向为进攻方向）
    df['dx'] = df['x_end'] - df['x_start']
    # 2. 判断是否为回传：dx < 0 即为向本方球门（假设X轴原点在本方底线）
    df['is_backward'] = df['dx'] < 0
    # 3. 过滤无效数据（横传或原地不动）
    df_valid = df[df['dx'].abs() > 0.5]  # 忽略微小位移
    # 4. 按球队聚合统计
    result = df_valid.groupby('team').agg(
        total_passes=('dx', 'count'),
        backward_passes=('is_backward', 'sum'),
        avg_pass_distance=('dx', 'mean')
    ).reset_index()
    # 5. 计算核心指标
    result['backward_ratio'] = result['backward_passes'] / result['total_passes']
    result['conservatism_score'] = (result['backward_ratio'] * 100).round(2)
    # 6. 按保守程度排序
    result = result.sort_values('conservatism_score', ascending=False)
    return result
# 使用示例
# score = calculate_conservatism_score(你的DataFrame)
# print(score[['team', 'backward_ratio', 'conservatism_score']])

适用于 JavaScript / Node.js（实时或网页分析）

常用于浏览器端的战术可视化工具。

// 输入：传球数组
// 每个元素: { player: '张三', startX: 50, startY: 30, endX: 40, endY: 35, team: 'Home' }
function calculatePassConservatism(passesArray) {
    const teamStats = {};
    passesArray.forEach(pass => {
        // 初始化或获取当前球队数据
        if (!teamStats[pass.team]) {
            teamStats[pass.team] = { total: 0, backward: 0, forward: 0 };
        }
        const stats = teamStats[pass.team];
        // 判定方向（假设场地宽100米，X坐标递增代表进攻方向）
        const distance = pass.endX - pass.startX;
        stats.total++;
        if (distance < -1) { // 阈值避免误判
            stats.backward++;
        } else if (distance > 1) {
            stats.forward++;
        }
    });
    // 计算最终得分
    const result = Object.entries(teamStats).map(([team, stats]) => {
        const ratio = stats.total > 0 ? (stats.backward / stats.total) : 0;
        return {
            team,
            totalPasses: stats.total,
            backwardPasses: stats.backward,
            forwardPasses: stats.forward,
            backwardRatio: ratio.toFixed(2),
            conservatismLevel: ratio > 0.5 ? '极保守' : ratio > 0.3 ? '中等偏保守' : '进攻型'
        };
    });
    return result;
}
// 调用示例
// const data = require('./passData.json');
// console.log(calculatePassConservatism(data));

纯 Bash / AWK（用于处理简单文本日志）

适用于从日志或文本文件快速提取统计。

#!/bin/bash
# 假设文件格式：team, player, startX, endX
# 每行一次传球
awk -F',' '
{
    team=$1; startX=$3; endX=$4;
    total[team]++;  # 总传球
    if (endX < startX) {
        backward[team]++;  # 回传计数
    }
}
END {
    print "Team\tTotal\tBackward\tRatio";
    for (t in total) {
        ratio = backward[t] / total[t] * 100;
        printf "%s\t%d\t%d\t%.2f%%\n", t, total[t], backward[t], ratio;
    }
}' matches_log.csv

进阶指标（更精确的保守程度）

如果需求更精细,建议在上述脚本中加入以下变量：

1. 地域权重：在后场回传权重低（控制节奏），在前场回传权重高（消极比赛）。
2. 时间权重：比赛最后10分钟回传比分领先，不视为保守,而是战术拖延。
3. 成功率加权：如果回传传球成功率高，说明是在控制比赛,而非被动解围。

脚本调整建议：将判断条件从 is_backward 改为 is_backward AND x_start < 70（本方半场+对方30米区域），这样更接近“保守”的定义。

你目前的数据是什么样的？

• 如果是坐标数据,用方案一。
• 如果是实时预览,用方案二。
• 如果是纯文本日志,用方案三。

如果需要针对具体数据格式（如StatsBomb或Wyscout输出）进行解析，可以告诉我数据结构,我可以帮你调整列名和逻辑。