综合实用脚本，变向突破次数对比？

变向突破次数对比分析

下面给你一个可直接运行的 Python 脚本，用于统计和对比篮球球员/球队的变向突破次数（Crossover / Direction Change Drives）,适用于赛后数据分析或训练追踪。

脚本功能

完整脚本

# -*- coding: utf-8 -*-
"""
变向突破次数对比分析脚本
适用：篮球比赛/训练数据统计
"""
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from matplotlib import rcParams
# 中文字体设置
rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei']
rcParams['axes.unicode_minus'] = False
# ========== 1. 模拟数据（可替换为 pd.read_csv('data.csv')） ==========
data = {
    '球员':   ['张伟','张伟','张伟','李强','李强','李强','王磊','王磊','王磊','赵鹏','赵鹏','赵鹏'],
    '节次':   ['Q1','Q2','Q3','Q1','Q2','Q3','Q1','Q2','Q3','Q1','Q2','Q3'],
    '变向突破':[5, 7, 4, 3, 6, 8, 6, 4, 5, 2, 3, 4],
    '被抢断':  [1, 2, 1, 2, 1, 3, 1, 0, 1, 1, 2, 1],
    '助攻':    [1, 2, 1, 0, 2, 3, 2, 1, 2, 0, 1, 1]
}
df = pd.DataFrame(data)
# ========== 2. 基础统计 ==========
print("=" * 50)
print("📊 变向突破次数基础统计")
print("=" * 50)
total = df.groupby('球员')['变向突破'].sum().sort_values(ascending=False)
print("\n【各球员总突破次数】")
print(total)
avg = df.groupby('球员')['变向突破'].mean().round(2)
print("\n【各球员场均突破次数】")
print(avg)
# 突破成功率（简化：突破后未失误比例）
df['成功率'] = (1 - df['被抢断'] / df['变向突破']).round(2)
success_rate = df.groupby('球员')['成功率'].mean().round(2).sort_values(ascending=False)
print("\n【突破成功率】")
print(success_rate)
# ========== 3. 对比分析 ==========
print("\n" + "=" * 50)
print("📈 对比分析")
print("=" * 50)
# 节次对比
pivot_q = df.pivot_table(index='球员', columns='节次',
                         values='变向突破', aggfunc='sum')
print("\n【球员 × 节次 突破次数矩阵】")
print(pivot_q)
# 效率指标（每节平均）
df['每节效率'] = df['变向突破'] + df['助攻'] - df['被抢断']
efficiency = df.groupby('球员')['每节效率'].sum().sort_values(ascending=False)
print("\n【综合效率评分（突破+助攻-被抢断）】")
print(efficiency)
# ========== 4. 可视化 ==========
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
fig.suptitle('变向突破次数对比分析', fontsize=16, fontweight='bold')
# 图1：各球员总突破次数柱状图
total.plot(kind='bar', ax=axes[0, 0], color='#4A90E2', edgecolor='black')
axes[0, 0].set_title('各球员总变向突破次数')
axes[0, 0].set_ylabel('次数')
for i, v in enumerate(total.values):
    axes[0, 0].text(i, v + 0.1, str(v), ha='center', fontweight='bold')
# 图2：各节次折线图
for player in df['球员'].unique():
    sub = df[df['球员'] == player]
    axes[0, 1].plot(sub['节次'], sub['变向突破'],
                    marker='o', label=player, linewidth=2)
axes[0, 1].set_title('各节次突破趋势')
axes[0, 1].set_ylabel('突破次数')
axes[0, 1].legend()
axes[0, 1].grid(alpha=0.3)
# 图3：成功率对比
success_rate.plot(kind='barh', ax=axes[1, 0], color='#50C878', edgecolor='black')
axes[1, 0].set_title('突破成功率对比')
axes[1, 0].set_xlabel('成功率')
for i, v in enumerate(success_rate.values):
    axes[1, 0].text(v + 0.01, i, f'{v:.0%}', va='center')
# 图4：热力图
sns.heatmap(pivot_q, annot=True, fmt='d', cmap='YlOrRd',
            ax=axes[1, 1], cbar_kws={'label': '突破次数'})
axes[1, 1].set_title('球员×节次 突破热力图')
plt.tight_layout()
plt.savefig('变向突破对比.png', dpi=150, bbox_inches='tight')
plt.show()
# ========== 5. 导出报告 ==========
with pd.ExcelWriter('变向突破报告.xlsx') as writer:
    total.to_frame('总突破').to_excel(writer, sheet_name='总览')
    pivot_q.to_excel(writer, sheet_name='节次矩阵')
    success_rate.to_frame('成功率').to_excel(writer, sheet_name='成功率')
    df.to_excel(writer, sheet_name='原始数据', index=False)
print("\n✅ 报告已导出：变向突破报告.xlsx")
print("✅ 图表已保存：变向突破对比.png")

输出示例

运行结果预览：

📊 变向突破次数基础统计
【各球员总突破次数】
王磊    15
张伟    16
李强    17
赵鹏     9
【突破成功率】
王磊    0.92
张伟    0.78
李强    0.72
赵鹏    0.61
【综合效率评分】
李强    15
张伟    13
王磊    15
赵鹏     5

生成的图表 包括：

• 柱状图：总突破次数对比
• 折线图：各节次趋势
• 条形图：成功率排名
• 热力图：球员 × 节次分布

数据结构建议

若用 CSV 导入,表头建议如下：

替换 data 部分为：

df = pd.read_csv('突破数据.csv', encoding='utf-8')

可扩展方向

1. 加入视频时间戳：标记每次变向的时刻
2. 对手维度：按对阵球队对比
3. 动作类型细分：体前变向 / 背后运球 / 转身
4. 实时录入：接入 Tkinter 或 Streamlit 界面
5. AI 识别：结合 YOLO + Pose 检测自动统计

需要我进一步做Streamlit 可视化版、实时录入界面，还是接入视频识别的版本？告诉我你的使用场景（训练 / 比赛 / 教学）,我可以定制。