python案例统计挑球过人次数多不多？

Python案例：统计足球比赛中"挑球过人"次数

下面我用一个完整的案例，演示如何统计球员/球队的"挑球过人"次数,并判断多不多。

场景说明

假设我们有一份足球比赛事件数据（模拟数据），每条记录包含：球员、动作类型、时间等，我们要统计每个球员的挑球过人次数。

完整代码

import pandas as pd
import matplotlib.pyplot as plt
from collections import Counter
# 1. 模拟比赛事件数据
data = [
    {"球员": "梅西",   "动作": "挑球过人", "时间": "12:30"},
    {"球员": "梅西",   "动作": "传球",     "时间": "13:10"},
    {"球员": "梅西",   "动作": "挑球过人", "时间": "25:00"},
    {"球员": "梅西",   "动作": "射门",     "时间": "30:15"},
    {"球员": "梅西",   "动作": "挑球过人", "时间": "45:00"},
    {"球员": "姆巴佩", "动作": "挑球过人", "时间": "15:20"},
    {"球员": "姆巴佩", "动作": "带球",     "时间": "18:00"},
    {"球员": "姆巴佩", "动作": "挑球过人", "时间": "60:40"},
    {"球员": "维尼修斯","动作": "挑球过人","时间": "22:00"},
    {"球员": "维尼修斯","动作": "传球",    "时间": "33:00"},
    {"球员": "哈兰德", "动作": "射门",     "时间": "40:00"},
    {"球员": "哈兰德", "动作": "挑球过人", "时间": "55:10"},
    {"球员": "梅西",   "动作": "挑球过人", "时间": "70:00"},
    {"球员": "姆巴佩", "动作": "挑球过人", "时间": "80:00"},
]
df = pd.DataFrame(data)
# 2. 筛选出"挑球过人"事件
rainbow_flick = df[df["动作"] == "挑球过人"]
# 3. 按球员统计次数
stats = rainbow_flick["球员"].value_counts().reset_index()
stats.columns = ["球员", "挑球过人次数"]
print("=" * 40)
print("挑球过人次数统计")
print("=" * 40)
print(stats)
# 4. 判断"多不多"
total = len(rainbow_flick)
avg = stats["挑球过人次数"].mean()
max_player = stats.iloc[0]
print(f"\n总挑球过人次数: {total}")
print(f"人均挑球过人次数: {avg:.2f}")
print(f"最多球员: {max_player['球员']} ({max_player['挑球过人次数']}次)")
# 判定规则
def judge(n):
    if n >= 4:
        return "非常多 ⭐⭐⭐"
    elif n >= 2:
        return "较多 ⭐⭐"
    elif n == 1:
        return "一般 ⭐"
    else:
        return "很少"
print("\n每个球员的判定：")
for _, row in stats.iterrows():
    print(f"  {row['球员']}: {row['挑球过人次数']}次 -> {judge(row['挑球过人次数'])}")
# 5. 可视化
plt.rcParams["font.sans-serif"] = ["SimHei"]   # 中文显示
plt.rcParams["axes.unicode_minus"] = False
plt.figure(figsize=(8, 5))
plt.bar(stats["球员"], stats["挑球过人次数"], color="skyblue")"球员挑球过人次数对比")
plt.xlabel("球员")
plt.ylabel("次数")
for i, v in enumerate(stats["挑球过人次数"]):
    plt.text(i, v + 0.05, str(v), ha="center")
plt.tight_layout()
plt.show()

运行结果

========================================
挑球过人次数统计
========================================
     球员  挑球过人次数
0    梅西        4
1   姆巴佩        3
2  维尼修斯       1
3   哈兰德        1
总挑球过人次数: 9
人均挑球过人次数: 2.25
最多球员: 梅西 (4次)
每个球员的判定：
  梅西: 4次 -> 非常多 ⭐⭐⭐
  姆巴佩: 3次 -> 较多 ⭐⭐
  维尼修斯: 1次 -> 一般 ⭐
  哈兰德: 1次 -> 一般 ⭐

如何判断"多不多"？

实际分析时可以从三个维度判断：

进阶：与历史数据对比

# 球员赛季场均挑球过人次数（基准值）
season_avg = {"梅西": 1.8, "姆巴佩": 2.1, "维尼修斯": 1.5, "哈兰德": 0.6}
stats["赛季场均"] = stats["球员"].map(season_avg)
stats["是否高于平均"] = stats["挑球过人次数"] > stats["赛季场均"]
stats["倍数"] = (stats["挑球过人次数"] / stats["赛季场均"]).round(2)
print(stats)
# 判断结论
for _, row in stats.iterrows():
    if row["是否高于平均"]:
        print(f"{row['球员']}本场挑球过人是他赛季平均的 {row['倍数']} 倍，偏多！")
    else:
        print(f"{row['球员']}本场挑球过人低于赛季平均，偏少。")

输出：

     球员  挑球过人次数  赛季场均  是否高于平均    倍数
0    梅西        4   1.8      True   2.22
1   姆巴佩        3   2.1      True   1.43
2  维尼修斯       1   1.5     False   0.67
3   哈兰德        1   0.6      True   1.67
梅西本场挑球过人是他赛季平均的 2.22 倍，偏多！
姆巴佩本场挑球过人是他赛季平均的 1.43 倍，偏多！
维尼修斯本场挑球过人低于赛季平均，偏少。
哈兰德本场挑球过人是他赛季平均的 1.67 倍，偏多！

统计"挑球过人次数多不多"的核心思路：

1. 数据收集 → 用 pandas 处理事件数据
2. 筛选统计 → value_counts() 按球员聚合
3. 判断标准 → 阈值法 / 横向对比 / 历史均值对比
4. 可视化 → 柱状图直观展示
5. 结论输出 → 给出"多/少"的判断

如果你有真实的比赛数据（如 Opta、StatsBomb 格式），把数据替换进去即可直接运行,需要我帮你处理具体格式的数据吗？