python案例统计高球传中争顶成功率？

wen python案例 2026-09-21 1

本文目录导读：

引言：为什么高球传中争顶成功率是足球数据分析的黄金指标？
数据准备：从哪里获取传中与争顶事件数据？
Python案例实战：一步步统计传中争顶成功率
关键代码解析：事件定义、匹配逻辑与可视化
常见问题问答（FAQ）
SEO优化建议：如何让这篇文章在必应和谷歌排名靠前？
总结与进阶方向

Python实战案例：统计足球比赛高球传中与争顶成功率（附完整代码与SEO优化指南）**

目录导读

引言：为什么高球传中争顶成功率是足球数据分析的黄金指标？
数据准备：从哪里获取传中与争顶事件数据？
Python案例实战：一步步统计传中争顶成功率
关键代码解析：事件定义、匹配逻辑与可视化
常见问题问答（FAQ）
SEO优化建议：如何让这篇文章在必应和谷歌排名靠前？
总结与进阶方向

引言：为什么高球传中争顶成功率是足球数据分析的黄金指标？

在现代足球战术分析中,高球传中与争顶成功率是衡量球队边路进攻效率、中锋支点能力以及防守高空球能力的关键数据，无论是英超、西甲还是世界杯，教练团队都会关注：一次传中后，进攻方有多少次成功争到第一落点？这直接决定了二次进攻的威胁程度。

传统人工统计耗时且易错,借助Python，我们可以批量处理事件数据（如StatsBomb、Opta或Wyscout格式），自动计算传中次数、争顶次数以及成功率，本文将通过一个完整案例，带你从零实现这一统计过程，并给出可复用的代码框架。

搜索引擎中已有不少关于“传中成功率”的文章，但多数停留在Excel或简单描述，本文将去伪原创，融合实战代码与业务逻辑，确保你在必应和谷歌上获得更好的排名。

数据准备：从哪里获取传中与争顶事件数据？

常见公开数据源包括：

StatsBomb Open Data：免费提供世界杯、女足等赛事的事件数据（JSON格式）。
FBref：可爬取传中与争顶统计，但需遵守robots协议。
Wyscout：部分公开数据集，包含“Cross”和“Aerial Duel”标签。
自建标注：使用Python+OpenCV从视频中提取，但成本较高。

本文以StatsBomb格式为例,其事件类型中：

Pass 事件中 pass.cross == True 表示传中。
Duel 事件中 duel.type.name == "Aerial Lost" 或 "Aerial Won" 表示争顶。
注意：一次传中后可能紧接着一次争顶，也可能被解围或直接出界。

我们需要将传中事件与随后的争顶事件在时间窗口内匹配,通常设定：传中发生后5秒内，同一半场内发生的第一次争顶视为该传中的结果。

Python案例实战：一步步统计传中争顶成功率

1 加载与清洗数据

import json
import pandas as pd
from datetime import timedelta
# 读取StatsBomb事件JSON
with open('events.json', 'r', encoding='utf-8') as f:
    events = json.load(f)
df = pd.json_normalize(events)
df['timestamp'] = pd.to_datetime(df['timestamp'], format='%H:%M:%S.%f').dt.time
df['minute'] = df['minute'].astype(int)
df['second'] = df['second'].astype(int)
df['total_seconds'] = df['minute'] * 60 + df['second']

2 筛选传中事件

crosses = df[
    (df['type.name'] == 'Pass') &
    (df['pass.cross'] == True)
].copy()
crosses = crosses[['id', 'index', 'total_seconds', 'player.name', 'team.name', 'location']]
crosses.columns = ['cross_id', 'cross_index', 'cross_time', 'crosser', 'cross_team', 'cross_location']

3 筛选争顶事件

duels = df[
    (df['type.name'] == 'Duel') &
    (df['duel.type.name'].isin(['Aerial Lost', 'Aerial Won']))
].copy()
duels = duels[['index', 'total_seconds', 'player.name', 'team.name', 'duel.type.name', 'location']]
duels.columns = ['duel_index', 'duel_time', 'dueler', 'duel_team', 'duel_result', 'duel_location']

4 匹配传中与争顶（5秒窗口）

matched = []
for _, cross in crosses.iterrows():
    # 找同一半场内、传中后5秒内的第一次争顶
    candidates = duels[
        (duels['duel_time'] > cross['cross_time']) &
        (duels['duel_time'] <= cross['cross_time'] + 5)
    ]
    if not candidates.empty:
        first_duel = candidates.sort_values('duel_time').iloc[0]
        matched.append({
            'cross_id': cross['cross_id'],
            'crosser': cross['crosser'],
            'cross_team': cross['cross_team'],
            'duel_result': first_duel['duel_result'],
            'duel_team': first_duel['duel_team'],
            'dueler': first_duel['dueler']
        })
matched_df = pd.DataFrame(matched)

5 计算成功率

# 进攻方争顶成功：争顶球队 == 传中球队 且 结果为 Aerial Won
matched_df['attack_win'] = (
    (matched_df['duel_team'] == matched_df['cross_team']) &
    (matched_df['duel_result'] == 'Aerial Won')
)
total_crosses = len(crosses)
crosses_with_duel = len(matched_df)
successful_attacks = matched_df['attack_win'].sum()
print(f"总传中次数: {total_crosses}")
print(f"有争顶的传中次数: {crosses_with_duel}")
print(f"进攻方争顶成功次数: {successful_attacks}")
print(f"传中争顶成功率: {successful_attacks / crosses_with_duel:.2%}")

6 可视化结果

import matplotlib.pyplot as plt
labels = ['成功争顶', '失败争顶']
sizes = [successful_attacks, crosses_with_duel - successful_attacks]
plt.pie(sizes, labels=labels, autopct='%1.1f%%')'高球传中后进攻方争顶成功率')
plt.show()

关键代码解析：事件定义、匹配逻辑与可视化

事件定义：不同数据商对“传中”定义不同，StatsBomb中pass.cross为True即传中，包括角球、运动战传中，争顶仅考虑Aerial类型，排除地面对抗。
匹配逻辑：5秒窗口是经验值，若传中后发生多次争顶，只取第一次，因为第一次争顶直接决定第一落点，若传中直接出界或门将接住，则无争顶，不计入成功率分母（但可单独统计“传中形成争顶率”）。
可视化：饼图展示成功率，也可用条形图对比不同球员或球队。