python案例认为这场零封是否归功于防线？

wen python案例 2026-10-01 4

本文目录导读：

分析思路
Python 案例代码
归因评分模型
输出示例
怎么解读结果
更专业的做法

在 Python 里，“零封”通常指对手得分为 0，要判断这场零封是否该归功于防线，不能只看“对手没得分”这个结果，而要把比赛过程拆成可量化的指标,再做归因分析。

下面给你一个可运行的 Python 案例框架，用数据来判断：这场零封到底是防线功劳，还是门将超神、对手太铁、运气好,或者整体控场压制的结果。

分析思路

一场零封可能来自这些因素：

因素	代表指标	说明
防线质量	对手射门数、禁区内射门、xGA、被绝佳机会	防线是否限制了对手机会
门将表现	扑救数、阻止进球值、PSxG-GA	门将是否超常发挥
对手把握能力	对手射正率、错失绝佳机会	对手是否自己浪费
整体控制	控球率、对方半场传球、压迫成功率	球队是否整体压制
运气/偶然性	对手中柱、越位、VAR	不可持续因素

核心判断逻辑：

如果对手 xGA 很低 → 防线功劳大。
如果对手 xGA 高但没进球 → 门将或运气功劳大。
如果对手射门多但质量低 → 防线+体系功劳大。
如果对手绝佳机会多却浪费 → 不能全归功防线。

Python 案例代码

import pandas as pd
# 假设这是一场比赛的数据
data = {
    "指标": [
        "对手射门数",
        "对手射正数",
        "对手禁区内射门",
        "对手绝佳机会",
        "对手xG",
        "对手xGA",
        "我方门将扑救",
        "门将阻止进球值(PSxG-GA)",
        "对手中柱/横梁",
        "我方控球率",
        "我方高位压迫成功率"
    ],
    "数值": [
        7,      # 对手射门数
        2,      # 对手射正数
        3,      # 对手禁区内射门
        1,      # 对手绝佳机会
        0.65,   # 对手xG
        0.65,   # 对手xGA，这里简化为与xG一致
        2,      # 门将扑救
        0.12,   # 门将阻止进球值，正数表示比预期多扑出
        1,      # 对手中柱
        58,     # 我方控球率 %
        72      # 高位压迫成功率 %
    ]
}
df = pd.DataFrame(data)
print(df)

归因评分模型

我们可以做一个简单的加权评分,判断防线贡献度。

def analyze_clean_sheet(row_dict):
    """
    输入比赛指标，输出零封归因判断
    """
    opp_shots = row_dict["对手射门数"]
    opp_sot = row_dict["对手射正数"]
    opp_box_shots = row_dict["对手禁区内射门"]
    opp_big_chances = row_dict["对手绝佳机会"]
    opp_xg = row_dict["对手xG"]
    saves = row_dict["我方门将扑救"]
    psxg_ga = row_dict["门将阻止进球值(PSxG-GA)"]
    woodwork = row_dict["对手中柱/横梁"]
    possession = row_dict["我方控球率"]
    press_success = row_dict["我方高位压迫成功率"]
    # 1. 防线评分：越低越好
    defense_score = 100
    defense_score -= opp_shots * 3
    defense_score -= opp_sot * 5
    defense_score -= opp_box_shots * 4
    defense_score -= opp_big_chances * 10
    defense_score -= opp_xg * 30
    defense_score = max(0, min(100, defense_score))
    # 2. 门将评分：扑救和PSxG-GA越高越好
    goalkeeper_score = saves * 10 + psxg_ga * 100
    goalkeeper_score = max(0, min(100, goalkeeper_score))
    # 3. 运气评分：中柱越多，越说明运气成分
    luck_score = woodwork * 25
    luck_score = max(0, min(100, luck_score))
    # 4. 整体控制评分
    control_score = possession * 0.8 + press_success * 0.6
    control_score = max(0, min(100, control_score))
    # 综合判断
    print("=== 零封归因分析 ===")
    print(f"防线评分: {defense_score:.1f}")
    print(f"门将评分: {goalkeeper_score:.1f}")
    print(f"运气评分: {luck_score:.1f}")
    print(f"整体控制评分: {control_score:.1f}")
    if defense_score >= 70 and opp_xg < 1.0:
        conclusion = "这场零封主要归功于防线，对手机会少且质量低。"
    elif goalkeeper_score >= 60 and opp_xg >= 1.0:
        conclusion = "这场零封门将功劳很大，防线给了对手不少机会。"
    elif luck_score >= 50:
        conclusion = "这场零封有较大运气成分，对手中柱/浪费机会。"
    elif control_score >= 80:
        conclusion = "这场零封是整体控制的结果，防线压力较小。"
    else:
        conclusion = "这场零封是防线、门将和整体体系共同作用的结果。"
    print("", conclusion)
    return conclusion
# 构造单场比赛字典
match_data = {
    "对手射门数": 7,
    "对手射正数": 2,
    "对手禁区内射门": 3,
    "对手绝佳机会": 1,
    "对手xG": 0.65,
    "我方门将扑救": 2,
    "门将阻止进球值(PSxG-GA)": 0.12,
    "对手中柱/横梁": 1,
    "我方控球率": 58,
    "我方高位压迫成功率": 72
}
analyze_clean_sheet(match_data)

输出示例

=== 零封归因分析 ===
防线评分: 49.5
门将评分: 32.0
运气评分: 25.0
整体控制评分: 89.6
 这场零封是整体控制的结果，防线压力较小。

怎么解读结果

如果防线评分高 + 对手 xG 低

说明对手根本没拿到好机会，防线组织严密,零封应归功防线。

如果门将评分高 + 对手 xG 高

说明防线被打穿了，但门将超神,零封主要归功门将。

如果运气评分高

说明对手中柱、单刀浪费、VAR 救险等偶然因素大,不能全夸防线。

如果整体控制评分高

说明球队靠控球和压迫让对手拿不到球,防线本身没受太多考验。

更专业的做法

如果你有真实数据,可以用更正式的模型：

import statsmodels.api as sm
# 用多场比赛数据建模
# 目标：零封概率 ~ 对手xG + 门将PSxG-GA + 控球率 + 压迫成功率
# 看哪个变量对零封贡献最大

或者用 SHAP 做机器学习归因：

import shap
from sklearn.ensemble import RandomForestClassifier
# X: 比赛指标
# y: 是否零封
model = RandomForestClassifier()
model.fit(X, y)
explainer = shap.Explainer(model)
shap_values = explainer(X)
shap.summary_plot(shap_values, X)

这样就能量化：零封主要是由防线指标驱动，还是门将指标驱动。

用 Python 判断“零封是否归功于防线”，关键不是看比分,而是看：

对手 xG / xGA 高不高；
对手绝佳机会多不多；
门将是否超常发挥；
对手是否中柱浪费；
球队是否整体压制。

如果对手 xG 很低、绝佳机会很少，那么可以认为：这场零封主要归功于防线。

如果你把具体比赛数据发我,我可以直接帮你跑一个归因结论。