java案例统计挑球过人次数多不多？

Java 案例：统计"挑球过人"次数多不多

下面给你一个完整的 Java 示例，演示如何统计挑球过人次数并判断是否"多",这个案例可以用于足球数据统计分析场景。

场景说明

假设我们有一场比赛（或一个赛季）中球员的技术动作记录，需要统计"挑球过人"（chip dribble / 挑球过顶）这个动作出现的次数，并判断是否算"多"。

基础版：单场比赛统计

import java.util.*;
public class ChipDribbleStat {
    // 定义技术动作枚举
    enum Action {
        CHIP_DRIBBLE("挑球过人"),
        NORMAL_DRIBBLE("普通过人"),
        PASS("传球"),
        SHOT("射门"),
        TACKLE("抢断");
        private final String desc;
        Action(String desc) { this.desc = desc; }
        public String getDesc() { return desc; }
    }
    // 动作记录
    static class ActionRecord {
        String player;
        Action action;
        int minute;
        ActionRecord(String player, Action action, int minute) {
            this.player = player;
            this.action = action;
            this.minute = minute;
        }
    }
    public static void main(String[] args) {
        // 模拟一场比赛的技术动作数据
        List<ActionRecord> records = Arrays.asList(
            new ActionRecord("梅西", Action.CHIP_DRIBBLE, 12),
            new ActionRecord("梅西", Action.NORMAL_DRIBBLE, 25),
            new ActionRecord("内马尔", Action.CHIP_DRIBBLE, 33),
            new ActionRecord("梅西", Action.CHIP_DRIBBLE, 45),
            new ActionRecord("姆巴佩", Action.SHOT, 52),
            new ActionRecord("内马尔", Action.CHIP_DRIBBLE, 61),
            new ActionRecord("梅西", Action.CHIP_DRIBBLE, 78),
            new ActionRecord("姆巴佩", Action.CHIP_DRIBBLE, 85)
        );
        // 统计挑球过人次数
        long chipCount = records.stream()
                .filter(r -> r.action == Action.CHIP_DRIBBLE)
                .count();
        // 判断标准：>= 5 次算"多"
        final int THRESHOLD = 5;
        String verdict = chipCount >= THRESHOLD ? "多" : "不多";
        System.out.println("本场挑球过人次数: " + chipCount);
        System.out.println("判定结果: " + verdict);
    }
}

输出：

本场挑球过人次数: 6
判定结果: 多

进阶版：按球员统计 + 多维度判断

实际场景中，仅统计总数不够，还需要按球员对比、按阈值判断（多于场均"才算多）。

import java.util.*;
import java.util.stream.Collectors;
public class ChipDribbleAdvanced {
    static class PlayerStat {
        String name;
        int chipCount;
        int totalDribbles;
        PlayerStat(String name, int chipCount, int totalDribbles) {
            this.name = name;
            this.chipCount = chipCount;
            this.totalDribbles = totalDribbles;
        }
        double chipRate() {
            return totalDribbles == 0 ? 0 : (double) chipCount / totalDribbles;
        }
    }
    public static void main(String[] args) {
        List<PlayerStat> stats = Arrays.asList(
            new PlayerStat("梅西",   6, 12),
            new PlayerStat("内马尔", 3, 10),
            new PlayerStat("姆巴佩", 1, 8),
            new PlayerStat("德布劳内", 2, 6)
        );
        // 1. 全队总数
        int totalChips = stats.stream().mapToInt(p -> p.chipCount).sum();
        int totalDribbles = stats.stream().mapToInt(p -> p.totalDribbles).sum();
        double avgPerPlayer = (double) totalChips / stats.size();
        System.out.println("=== 全队统计 ===");
        System.out.println("挑球过人总数: " + totalChips);
        System.out.println("过人总数: " + totalDribbles);
        System.out.printf("挑球占比: %.2f%%%n", 100.0 * totalChips / totalDribbles);
        System.out.printf("人均挑球次数: %.2f%n", avgPerPlayer);
        // 2. 判断"多不多"（用多个维度）
        boolean isMany = totalChips >= 10
                      || avgPerPlayer >= 3
                      || (double) totalChips / totalDribbles >= 0.3;
        System.out.println("\n=== 判定 ===");
        System.out.println("挑球过人次数是否算多: " + (isMany ? "多 ✅" : "不多 ❌"));
        // 3. 按球员降序，找出挑球达人
        System.out.println("\n=== 球员挑球排名 ===");
        stats.stream()
             .sorted(Comparator.comparingInt((PlayerStat p) -> p.chipCount).reversed())
             .forEach(p -> System.out.printf("%-6s 挑球 %d 次 (占比 %.1f%%)%n",
                     p.name, p.chipCount, p.chipRate() * 100));
    }
}

输出：

=== 全队统计 ===
挑球过人总数: 12
过人总数: 36
挑球占比: 33.33%
人均挑球次数: 3.00
=== 判定 ===
挑球过人次数是否算多: 多 ✅
=== 球员挑球排名 ===
梅西   挑球 6 次 (占比 50.0%)
内马尔 挑球 3 次 (占比 30.0%)
德布劳内 挑球 2 次 (占比 33.3%)
姆巴佩 挑球 1 次 (占比 12.5%)

关键设计思路

判定"多不多"的三种常用口径

1. 绝对阈值法：如 次数 >= 5 算多（简单直观）
2. 占比法：挑球次数 / 总过人次数 >= 30% 说明是高比例技巧型球员
3. 对比法：与联赛平均值或该球员历史均值比较，超过即为多

// 对比法示例
boolean aboveLeagueAvg = playerChipCount > leagueAvgChipCount;

如果需要,我可以帮你把这个案例扩展成：

• 从 CSV / 数据库 读取真实数据
• 用 Spring Boot 提供 REST 接口 返回统计结果
• 或加入时间窗口（按分钟/半场）分析的版本

告诉我你的具体使用场景即可 👍