实用脚本统计长短传比例如何分布？

wen 实用脚本 2026-10-18 4

用脚本统计长短传比例分布

下面给你一个完整可用的Python脚本，用于统计长短传比例分布，覆盖常见场景（如足球/篮球传球数据、日志、网络包等），你可以按需替换数据源。

实用脚本统计长短传比例如何分布？

核心思路

定义阈值：短传/长传的分界（例如足球常用 25 码或 30 米；可按业务自定）
读取数据：CSV / JSON / DataFrame
分类统计：短传数、长传数、比例
分布分析：按球员/球队/时间段分组，输出比例分布（直方图 + 分位数）
可视化 & 导出

完整脚本（以传球数据为例）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# ========== 1. 配置 ==========
SHORT_PASS_THRESHOLD = 25.0   # 短传距离阈值（米/码，按你的单位）
DATA_PATH = "passes.csv"      # 列: player, team, distance, timestamp
# ========== 2. 读取数据 ==========
df = pd.read_csv(DATA_PATH)
# 示例列: player, team, distance
# 若无数据可先用模拟数据测试
# df = pd.DataFrame({
#     "player": np.random.choice(["A","B","C"], 1000),
#     "team":   np.random.choice(["T1","T2"], 1000),
#     "distance": np.random.gamma(2, 10, 1000)
# })
# ========== 3. 分类 ==========
df["pass_type"] = np.where(df["distance"] <= SHORT_PASS_THRESHOLD, "short", "long")
# ========== 4. 整体比例 ==========
total = len(df)
short_n = (df["pass_type"] == "short").sum()
long_n  = (df["pass_type"] == "long").sum()
print(f"总传球: {total}")
print(f"短传: {short_n} ({short_n/total:.2%})")
print(f"长传: {long_n} ({long_n/total:.2%})")
print(f"长短比: {short_n/max(long_n,1):.2f} : 1")
# ========== 5. 按球员分组统计比例 ==========
by_player = (
    df.groupby("player")["pass_type"]
      .value_counts(normalize=True)
      .unstack(fill_value=0)
      .rename(columns={"short": "short_ratio", "long": "long_ratio"})
)
by_player["total"] = df.groupby("player").size()
by_player["short_long_ratio"] = by_player["short_ratio"] / by_player["long_ratio"].replace(0, np.nan)
print("\n按球员长短传比例：")
print(by_player.sort_values("short_ratio", ascending=False).round(3))
# ========== 6. 比例分布（分位数） ==========
ratios = by_player["short_ratio"].dropna()
print("\n短传比例分布：")
print(ratios.describe(percentiles=[.1,.25,.5,.75,.9]).round(3))
# ========== 7. 直方图 ==========
plt.figure(figsize=(8,5))
plt.hist(ratios, bins=10, edgecolor="black")
plt.xlabel("Short Pass Ratio")
plt.ylabel("Number of Players")"Distribution of Short Pass Ratio per Player")
plt.tight_layout()
plt.savefig("short_ratio_distribution.png", dpi=150)
# ========== 8. 导出 ==========
by_player.to_csv("short_long_ratio_by_player.csv")
print("\n已导出: short_long_ratio_by_player.csv / short_ratio_distribution.png")

关键设计要点

要点	说明
阈值可配置	`SHORT_PASS_THRESHOLD` 按业务定；可用中位数/四分位动态划分
分组维度	球员 / 球队 / 时段 / 比赛阶段（可按需 `groupby`）
比例而非计数	`value_counts(normalize=True)` 避免样本量偏倚
分布而非均值	用直方图 + 分位数看偏态，避免均值误导
零除保护	`max(long_n,1)`、`replace(0,np.nan)`

进阶：按时间段看比例变化

df["timestamp"] = pd.to_datetime(df["timestamp"])
df["bin"] = df["timestamp"].dt.floor("5min")   # 5分钟窗口
trend = (
    df.groupby("bin")["pass_type"]
      .value_counts(normalize=True)
      .unstack(fill_value=0)
)
trend.plot(figsize=(10,4), title="Short/Long Pass Ratio over Time")
plt.ylabel("Ratio")
plt.tight_layout()
plt.savefig("ratio_trend.png", dpi=150)