python案例认为德比战的特殊性能量化吗？

wen python案例 2026-09-30 2

德比战的特殊性可以量化吗？——基于Python的思考框架

核心结论先给出

可以部分量化，但存在天花板。 德比战的"特殊性"本质上是心理+历史+社会的复合变量，我们能用量化手段捕捉其中的统计残差，但很难完全还原其质性内涵，下面从可量化维度、方法论、Python实现三方面展开。

哪些维度可以量化？

维度	可量化指标	数据来源
竞技异常性	红黄牌数、犯规数、射门偏差	比赛技术统计
结果异常性	弱队胜率、爆冷频率	历史赛果
情绪强度	补时长度、冲突事件数	事件日志
历史沉淀	交锋次数、历史恩怨权重	维基/数据库
球迷压力	上座率、客场球迷比例	票务数据
时间效应	赛前一周的舆论热度	社交媒体API

Python量化思路（三层模型）

第1层：统计异常检测（德比 vs 非德比）

import pandas as pd
import numpy as np
from scipy import stats
# 假设 df 含: is_derby, yellow_cards, fouls, goals, upset(0/1)
derby = df[df['is_derby'] == 1]
normal = df[df['is_derby'] == 0]
for col in ['yellow_cards', 'fouls', 'upset']:
    t, p = stats.ttest_ind(derby[col], normal[col], equal_var=False)
    print(f"{col}: derby均值={derby[col].mean():.2f}, "
          f"非derby={normal[col].mean():.2f}, p={p:.4f}")

yellow_cards 的 p 值 < 0.01 且均值显著更高 → 德比特殊性有了量化证据。

第2层：控制混杂变量（回归残差法）

直接比较有偏（强队打德比和打弱队本就不同），应做回归后看德比虚拟变量的系数：

import statsmodels.formula.api as smf
# 控制球队实力差、主客场、赛季等
model = smf.ols(
    'yellow_cards ~ is_derby + elo_diff + home + C(season)',
    data=df
).fit()
print(model.summary())

is_derby 的系数 = 剔除实力、主客场等影响后，德比额外带来的黄牌增量，这是"特殊性"最干净的量化表达。

第3层：贝叶斯层次模型（处理小样本）

德比样本少（一赛季就2场），频率派易失真，用 PyMC 更稳：

import pymc as pm
with pm.Model() as m:
    mu_derby = pm.Normal('mu_derby', 0, 5)
    mu_normal = pm.Normal('mu_normal', 0, 5)
    sigma = pm.HalfNormal('sigma', 5)
    pm.Normal('y_d', mu_derby, sigma, observed=derby['yellow_cards'])
    pm.Normal('y_n', mu_normal, sigma, observed=normal['yellow_cards'])
    trace = pm.sample(2000)
# 后验差 mu_derby - mu_normal 的 95% HDI 若不跨0 → 特殊性成立