这个python案例如何看这次角球战术配合？

wen python案例 2026-09-16 2

如何用 Python 分析这次角球战术配合

你想用 Python 分析角球战术配合，思路其实可以拆成数据层 → 可视化层 → 战术解读层三步走，下面给你一套完整可复用的框架。

先明确要分析的要素

一次角球战术配合,核心关注点通常是：

维度	具体问题
发球方式	内旋/外旋？短角球/长传？
跑位路线	谁做假动作？谁真正接应？
防守反应	盯人/区域？是否被牵扯出空当？
关键节点	第一落点、第二落点、射门点
结果	射门/进球/被解围

数据准备（三种常见来源）

import pandas as pd
# 方案A：StatsBomb 开放数据（有详细的角球事件）
from statsbombpy import sb
events = sb.events(match_id=3788741)  # 示例比赛
corners = events[events['type'] == 'Pass']  # 筛选角球传球
# 方案B：自己标注的坐标数据
# 格式：x, y (0-120 或 0-100)，时间戳，球员，事件类型
df = pd.read_csv('corner_sequence.csv')
# 方案C：跟踪数据（每帧22人坐标）
tracking = pd.read_csv('tracking_frame.csv')

推荐字段结构：

timestamp, player, team, x, y, event_type, target_x, target_y

可视化：画出战术板

import matplotlib.pyplot as plt
from mplsoccer import Pitch
pitch = Pitch(pitch_type='statsbomb', line_color='black')
fig, ax = pitch.draw(figsize=(10, 7))
# 只画角球发生后的5秒序列
seq = df[(df['t'] >= corner_time) & (df['t'] <= corner_time + 5)]
# 传球路线（带箭头表示方向）
for _, row in seq[seq['event_type'] == 'pass'].iterrows():
    pitch.arrows(row.x, row.y, row.target_x, row.target_y,
                 ax=ax, width=2, headwidth=8, color='blue')
# 球员跑位轨迹
for player in seq['player'].unique():
    p = seq[seq['player'] == player]
    pitch.plot(p.x, p.y, ax=ax, marker='o', linewidth=2, label=player)
# 关键节点高亮
pitch.scatter(corner_x, corner_y, ax=ax, s=300, color='red', alpha=0.5)
ax.legend(loc='upper left')'角球战术配合轨迹')
plt.show()

进阶分析：跑位与空间

# 1. 计算球员跑动距离与方向
def run_distance(traj):
    return np.sum(np.sqrt(np.diff(traj.x)**2 + np.diff(traj.y)**2))
# 2. 用 Voronoi 看谁在牵扯防守、制造空当
from mplsoccer import Voronoi
team1 = seq[seq.team=='attack'][['x','y']].values
team2 = seq[seq.team=='defense'][['x','y']].values
vor = Voronoi(team1, team2, ax=ax)
# 3. 检测「跑位吸引」：某防守球员偏离初始位置的距离
def displacement(defender_id):
    d = seq[seq.player == defender_id]
    return np.linalg.norm(d.iloc[-1][['x','y']] - d.iloc[0][['x','y']])

战术解读的模板

拿到图和数据后,按这个逻辑讲故事：

发球点与旋向：左边角球内旋 → 落点在小禁区线附近
2. 第一层跑动：2名球员向近门柱冲刺 → 吸引3名防守球员
3. 第二层跑动：后插上的中卫从点球点斜插远门柱（关键）
4. 空间生成：Voronoi 显示远门柱出现 2㎡ 空当
5. 结果：头球攻门 / 被解围

用代码可以量化第4、5步：

# 计算射门瞬间最近防守球员距离
shot = seq[seq.event_type=='shot'].iloc[0]
dists = np.linalg.norm(seq[seq.team=='defense'][['x','y']] - shot[['x','y']], axis=1)
print(f"最近防守球员距离：{dists.min():.2f} 米")