python案例统计赛季累计数据对比如何？

Python 案例：赛季累计数据对比统计

下面通过一个完整的案例，演示如何用 Python 统计并对比球员/球队的赛季累计数据。

案例场景

假设我们有 NBA 球员逐场数据,需要：

1. 统计每位球员赛季累计数据（得分、篮板、助攻等）
2. 计算场均数据
3. 对比不同球员表现
4. 可视化对比结果

完整代码实现

构造示例数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 模拟逐场数据
np.random.seed(42)
games = 20  # 每赛季20场
data = []
players = ['詹姆斯', '库里', '杜兰特', '字母哥']
for player in players:
    for game in range(1, games + 1):
        data.append({
            '球员': player,
            '场次': game,
            '得分': np.random.randint(15, 40),
            '篮板': np.random.randint(3, 15),
            '助攻': np.random.randint(2, 12),
            '抢断': np.random.randint(0, 5),
            '盖帽': np.random.randint(0, 4),
            '失误': np.random.randint(0, 6),
            '上场时间': np.random.randint(25, 40)
        })
df = pd.DataFrame(data)
print(df.head())

统计赛季累计数据

# 按球员分组，统计累计和场均数据
summary = df.groupby('球员').agg(
    出场次数=('场次', 'count'),
    总得分=('得分', 'sum'),
    总篮板=('篮板', 'sum'),
    总助攻=('助攻', 'sum'),
    总抢断=('抢断', 'sum'),
    总盖帽=('盖帽', 'sum'),
    总失误=('失误', 'sum'),
    总时间=('上场时间', 'sum'),
).reset_index()
# 计算场均
summary['场均得分'] = (summary['总得分'] / summary['出场次数']).round(2)
summary['场均篮板'] = (summary['总篮板'] / summary['出场次数']).round(2)
summary['场均助攻'] = (summary['总助攻'] / summary['出场次数']).round(2)
summary['场均时间'] = (summary['总时间'] / summary['出场次数']).round(2)
# 计算效率值 PER 简化版
summary['效率值'] = (
    summary['总得分'] + summary['总篮板'] + summary['总助攻']
    + summary['总抢断'] + summary['总盖帽'] - summary['总失误']
) / summary['出场次数']
summary['效率值'] = summary['效率值'].round(2)
print(summary)

输出示例：

多赛季累计对比

如果有多个赛季的数据，可以按赛季 + 球员分组：

# 模拟多赛季数据
data_multi = []
seasons = ['2022-23', '2023-24', '2024-25']
for season in seasons:
    for player in players:
        for game in range(1, games + 1):
            data_multi.append({
                '赛季': season,
                '球员': player,
                '得分': np.random.randint(15, 40),
                '篮板': np.random.randint(3, 15),
                '助攻': np.random.randint(2, 12),
            })
df_m = pd.DataFrame(data_multi)
# 按赛季 + 球员统计累计
season_summary = df_m.groupby(['赛季', '球员']).agg(
    总得分=('得分', 'sum'),
    总篮板=('篮板', 'sum'),
    总助攻=('助攻', 'sum'),
    场次=('得分', 'count')
).reset_index()
season_summary['场均得分'] = (season_summary['总得分'] / season_summary['场次']).round(2)
print(season_summary)
# 透视表：球员 vs 赛季的累计得分对比
pivot = season_summary.pivot(index='球员', columns='赛季', values='总得分')
print("\n各赛季累计得分对比：")
print(pivot)
# 计算赛季间增长率
pivot['增长率'] = ((pivot['2024-25'] - pivot['2022-23']) / pivot['2022-23'] * 100).round(2)
print("\n相比首赛季增长率(%)：")
print(pivot['增长率'])

可视化对比

fig, axes = plt.subplots(1, 2, figsize=(14, 5))
# 图1：场均数据分组柱状图
metrics = ['场均得分', '场均篮板', '场均助攻']
x = np.arange(len(players))
width = 0.25
for i, metric in enumerate(metrics):
    axes[0].bar(x + i * width, summary[metric], width, label=metric)
axes[0].set_xticks(x + width)
axes[0].set_xticklabels(summary['球员'])
axes[0].set_title('球员场均数据对比')
axes[0].legend()
axes[0].grid(axis='y', alpha=0.3)
# 图2：赛季累计得分趋势
for player in players:
    player_data = season_summary[season_summary['球员'] == player]
    axes[1].plot(player_data['赛季'], player_data['总得分'], marker='o', label=player)
axes[1].set_title('各赛季累计得分趋势')
axes[1].set_xlabel('赛季')
axes[1].set_ylabel('累计得分')
axes[1].legend()
axes[1].grid(alpha=0.3)
plt.tight_layout()
plt.show()

雷达图对比（更直观）

from math import pi
# 归一化数据
categories = ['场均得分', '场均篮板', '场均助攻', '效率值']
N = len(categories)
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]
fig, ax = plt.subplots(figsize=(7, 7), subplot_kw=dict(polar=True))
# 归一化
norm = summary.copy()
for c in categories:
    norm[c] = norm[c] / norm[c].max()
for _, row in norm.iterrows():
    values = row[categories].tolist()
    values += values[:1]
    ax.plot(angles, values, linewidth=2, label=row['球员'])
    ax.fill(angles, values, alpha=0.15)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)
ax.set_title('球员综合能力对比雷达图', y=1.08)
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1))
plt.show()

核心技巧总结

拓展方向

1. 对比两队：把"球员"换成"球队"，对比攻防数据
2. 加入排名：rank() 计算各指标联盟排名
3. 同比增长：pct_change() 计算赛季环比
4. 加权评分：自定义权重算出综合实力分
5. 动态图表：用 Plotly 做交互式对比

# 排名示例
summary['得分排名'] = summary['场均得分'].rank(ascending=False).astype(int)
summary['综合排名'] = summary['效率值'].rank(ascending=False).astype(int)
print(summary[['球员', '得分排名', '综合排名']])

如果你有真实的赛季数据（Excel/CSV）或具体想对比的指标（如真实命中率、正负值等），可以发给我,我帮你写针对性的统计脚本。