python案例统计定位球得分占比多少？

wen python案例 2026-09-26 3

本文目录导读：

目录导读
为什么定位球得分占比值得用Python统计？
数据从哪里来？——可用数据源与采集思路
Python实战：统计定位球得分占比的完整案例
结果解读：定位球得分占比一般是多少？
常见问题问答（FAQ）
总结与进阶建议

Python案例统计：定位球得分占比到底有多少？一篇讲透数据采集、清洗与可视化**

目录导读

为什么定位球得分占比值得用Python统计？
数据从哪里来？——可用数据源与采集思路
Python实战：统计定位球得分占比的完整案例
结果解读：定位球得分占比一般是多少？
常见问题问答（FAQ）
总结与进阶建议

为什么定位球得分占比值得用Python统计？

在现代足球分析中,定位球（任意球、角球、点球、界外球战术等）一直是打破僵局的重要手段，很多球队在运动战打不开局面时，往往依靠定位球完成致命一击。“定位球得分占比多少”不仅是一个数据问题，更是战术分析与投注参考中的核心指标。

传统人工统计存在几个痛点：

比赛场次多,逐场记录耗时；
不同赛事对定位球定义不一致；
点球是否计入定位球存在争议；
需要按球队、联赛、赛季多维度拆分。

用Python做案例统计,可以把“采集—清洗—分类—计算—可视化”串成一条自动化流水线，既提高效率，也方便复现和调整口径。

数据从哪里来？——可用数据源与采集思路

常见数据源包括：

公开赛事数据API：如部分体育数据服务商提供的比赛事件接口；
网页表格数据：部分足球数据网站会列出进球方式、时间、比分；
本地CSV/Excel：如果你已经手工整理过部分比赛记录；
爬虫采集：需遵守目标网站robots协议与版权规定。

在Python中,常用组合是：

requests + BeautifulSoup：抓取静态页面；
pandas：读取CSV、Excel、JSON；
selenium：处理动态加载页面；
matplotlib / seaborn / plotly：可视化。

关键字段建议至少包含：

比赛ID
球队
进球时间
进球方式（运动战、定位球、点球、乌龙等）
赛事类型
赛季

Python实战：统计定位球得分占比的完整案例

下面给出一个可运行的简化案例,假设你已有一份 goals.csv，字段为：match_id, team, goal_type。

import pandas as pd
# 1. 读取数据
df = pd.read_csv("goals.csv")
# 2. 查看数据概况
print(df.head())
print(df["goal_type"].value_counts())
# 3. 定义定位球口径
# 这里把任意球、角球、点球都计入定位球
set_piece_types = ["任意球", "角球", "点球"]
df["is_set_piece"] = df["goal_type"].isin(set_piece_types)
# 4. 总体定位球得分占比
total_goals = len(df)
set_piece_goals = df["is_set_piece"].sum()
ratio = set_piece_goals / total_goals
print(f"总进球数：{total_goals}")
print(f"定位球进球数：{set_piece_goals}")
print(f"定位球得分占比：{ratio:.2%}")
# 5. 按球队统计
team_stats = df.groupby("team").agg(
    总进球=("goal_type", "count"),
    定位球进球=("is_set_piece", "sum")
)
team_stats["定位球占比"] = team_stats["定位球进球"] / team_stats["总进球"]
team_stats = team_stats.sort_values("定位球占比", ascending=False)
print(team_stats)
# 6. 可视化
import matplotlib.pyplot as plt
team_stats["定位球占比"].plot(kind="bar", figsize=(10, 5))"各球队定位球得分占比")
plt.ylabel("占比")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

如果你没有现成CSV,也可以用字典模拟：

data = [
    {"match_id": 1, "team": "A队", "goal_type": "运动战"},
    {"match_id": 1, "team": "A队", "goal_type": "角球"},
    {"match_id": 2, "team": "B队", "goal_type": "点球"},
    {"match_id": 2, "team": "B队", "goal_type": "运动战"},
    {"match_id": 3, "team": "A队", "goal_type": "任意球"},
]
df = pd.DataFrame(data)

这个案例的核心逻辑是：先定义口径，再标记定位球，最后聚合计算占比，口径一旦变化，比如点球不计入定位球，只需修改 set_piece_types 即可。