python案例统计犯规次数会决定胜负吗？

用Python分析：犯规次数会决定胜负吗？

这是一个很有趣的数据分析问题,下面我用一个完整的案例来演示如何用Python分析犯规次数与比赛胜负的关系。

问题拆解

要回答"犯规次数是否决定胜负",我们需要：

1. 获取比赛数据（犯规数、得分、胜负）
2. 计算犯规数与胜负的相关性
3. 可视化对比
4. 做统计检验

模拟数据案例

由于没有真实数据,先用模拟数据演示完整流程：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
np.random.seed(42)
# 模拟100场比赛，每场记录主客队的犯规数和得分
n_games = 200
data = []
for i in range(n_games):
    # 犯规数：均值20，标准差4
    foul_home = np.random.normal(20, 4)
    foul_away = np.random.normal(20, 4)
    # 得分与犯规数有一定负相关（犯规多的队伍得分略低）
    # 基础得分100 + 犯规惩罚 + 随机波动
    score_home = 100 - 0.8 * (foul_home - 20) + np.random.normal(0, 8)
    score_away = 100 - 0.8 * (foul_away - 20) + np.random.normal(0, 8)
    winner = 'home' if score_home > score_away else 'away'
    data.append({
        'game_id': i,
        'foul_home': foul_home,
        'foul_away': foul_away,
        'score_home': score_home,
        'score_away': score_away,
        'winner': winner
    })
df = pd.DataFrame(data)
print(df.head())

核心分析

胜负与犯规数的关系

# 计算赢家和输家的犯规数
df['foul_winner'] = np.where(df['winner'] == 'home', df['foul_home'], df['foul_away'])
df['foul_loser']  = np.where(df['winner'] == 'home', df['foul_away'], df['foul_home'])
print("赢家平均犯规数: %.2f" % df['foul_winner'].mean())
print("输家平均犯规数: %.2f" % df['foul_loser'].mean())
# 配对t检验：赢家和输家的犯规数是否有显著差异
t_stat, p_value = stats.ttest_rel(df['foul_winner'], df['foul_loser'])
print(f"配对t检验: t={t_stat:.3f}, p={p_value:.4f}")

相关性分析

# 犯规数差值与分差的关系
df['foul_diff'] = df['foul_home'] - df['foul_away']
df['score_diff'] = df['score_home'] - df['score_away']
corr, p = stats.pearsonr(df['foul_diff'], df['score_diff'])
print(f"犯规差与分差的相关系数: {corr:.3f}, p值: {p:.4f}")

可视化

fig, axes = plt.subplots(1, 3, figsize=(15, 4))
# 图1：赢家 vs 输家 犯规数箱线图
df_melt = df.melt(value_vars=['foul_winner', 'foul_loser'],
                  var_name='组别', value_name='犯规数')
sns.boxplot(data=df_melt, x='组别', y='犯规数', ax=axes[0])
axes[0].set_title('赢家 vs 输家 犯规数对比')
# 图2：犯规差 vs 分差 散点图
axes[1].scatter(df['foul_diff'], df['score_diff'], alpha=0.5)
axes[1].axhline(0, color='gray', linestyle='--')
axes[1].axvline(0, color='gray', linestyle='--')
axes[1].set_xlabel('犯规差 (主-客)')
axes[1].set_ylabel('分差 (主-客)')
axes[1].set_title(f'犯规差 vs 分差 (r={corr:.2f})')
# 图3：犯规数分组胜率
df['foul_total_bin'] = pd.cut(df['foul_home'] - df['foul_away'],
                               bins=[-10, -3, 3, 10],
                               labels=['少犯规', '相当', '多犯规'])
win_rate = df.groupby('foul_total_bin', observed=True).apply(
    lambda x: (x['winner'] == 'home').mean())
win_rate.plot(kind='bar', ax=axes[2], color='steelblue')
axes[2].set_title('主队不同犯规情况下的胜率')
axes[2].set_ylabel('主队胜率')
plt.tight_layout()
plt.show()

可能的结果解读

根据模拟数据（假设犯规确实影响得分）,你会看到：

要谨慎下结论,因为：

1. 相关性 ≠ 因果性：犯规多可能是"被迫犯规"（落后时战术犯规）,而不是犯规导致输球。
2. 需要控制变量：应该考虑球队实力、球员水平等混杂因素。
3. 不同运动差异大：
   • 篮球：犯规影响明显（罚球、罚下）
   • 足球：黄牌红牌影响很大，但普通犯规影响较小
   • 冰球：犯规导致的强打机会影响显著

更严谨的做法：

# 用逻辑回归控制其他变量
from sklearn.linear_model import LogisticRegression
X = df[['foul_home', 'foul_away']]
y = (df['winner'] == 'home').astype(int)
model = LogisticRegression().fit(X, y)
print(f"犯规数对主队获胜的影响系数: {model.coef_}")

用真实数据的建议

如果你想用真实数据（如NBA、世界杯）,可以：

• NBA: 从 nba_api 库获取
• 足球: 从 football-data.org API 获取
• Kaggle: 搜索 "sports match statistics" 数据集

# NBA示例
# pip install nba_api
from nba_api.stats.endpoints import leaguegamefinder
games = leaguegamefinder.LeagueGameFinder(season_nullable='2023-24').get_data_frames()[0]

一句话总结：犯规次数通常与胜负相关（犯规越多越容易输），但它往往是"结果"而不是"原因"，需要结合具体运动、比赛情境和统计方法综合判断。

需要我用某个具体运动（比如NBA、足球世界杯）的真实数据做完整分析吗？