python案例统计扑救次数门将谁更忙？

wen python案例 2026-09-28 1

Python案例统计扑救次数：门将谁更忙？

目录导读

前言：为什么用Python分析门将扑救数据
数据来源与采集思路
Python实战：统计扑救次数的完整案例
如何判断“门将谁更忙”？关键指标不止扑救数
可视化展示：让数据更直观
常见问题问答（FAQ）
总结与进阶建议

为什么用Python分析门将扑救数据

足球比赛中,门将往往是球队最后一道防线，球迷常问：“谁是最忙的门将？”很多人第一反应是看扑救次数，但真正专业的分析远不止一个数字，Python作为数据分析利器，可以快速抓取、清洗、统计比赛数据，帮助我们更客观地比较门将的工作量，本文将以“统计扑救次数”为核心案例，带你用Python完成一次完整分析，并回答“门将谁更忙”这个问题。

python案例统计扑救次数门将谁更忙？

数据来源与采集思路

要做统计,先要有数据，常见来源包括：

公开体育数据网站（如FBref、WhoScored等）
赛事官方技术报告
手工整理的CSV/Excel数据
API接口（部分平台提供免费或付费数据）

假设我们已经拿到一份CSV文件,字段包括：门将姓名、球队、比赛场次、扑救次数、失球数、出场时间、面对射门数等，接下来用Python进行统计。

Python实战：统计扑救次数的完整案例

import pandas as pd
# 读取数据
df = pd.read_csv('goalkeeper_stats.csv')
# 查看前5行
print(df.head())
# 按门将统计总扑救次数
save_sum = df.groupby('门将姓名')['扑救次数'].sum().reset_index()
# 按总扑救次数降序排列
save_sum = save_sum.sort_values(by='扑救次数', ascending=False)
print(save_sum)

如果数据是多场比赛记录,还可以计算：

# 计算场均扑救次数
df['场均扑救'] = df['扑救次数'] / df['出场次数']
# 按场均扑救排序
avg_save = df.groupby('门将姓名')['场均扑救'].mean().reset_index()
avg_save = avg_save.sort_values(by='场均扑救', ascending=False)
print(avg_save)

这样就能得到两个维度的结果：总扑救次数和场均扑救次数，总扑救高，可能只是因为踢的比赛多；场均扑救高，才更能说明“单位时间内更忙”。

如何判断“门将谁更忙”？关键指标不止扑救数

只看扑救次数容易误判,更全面的“忙碌指数”可以综合以下指标：

场均扑救次数：反映每场比赛的扑救压力
面对射门数：被射门越多，门将越忙
扑救成功率：扑救次数 / 面对射门数
出场时间：避免替补门将样本过小
失球数：结合防守质量看门将真实压力

A门将扑救100次,出场30场，场均3.33次；B门将扑救80次，出场20场，场均4次，虽然A总数更多，但B每场更忙。场均扑救次数和面对射门数才是判断“谁更忙”的核心。

可视化展示：让数据更直观

import matplotlib.pyplot as plt
# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 取前10名门将
top10 = avg_save.head(10)
plt.figure(figsize=(10,6))
plt.barh(top10['门将姓名'], top10['场均扑救'], color='steelblue')
plt.xlabel('场均扑救次数')'门将场均扑救次数排名（谁更忙？）')
plt.gca().invert_yaxis()
plt.show()

通过横向柱状图,可以一眼看出哪位门将场均扑救最多，也就是“最忙”的门将。