根据python案例，球门球长传准确率？

球门球长传准确率分析（Python案例）

下面通过一个完整的 Python 案例，演示如何统计和分析球门球长传准确率。

指标定义

数据准备（模拟数据）

import pandas as pd
import numpy as np
# 模拟：某门将本赛季球门球记录
np.random.seed(42)
data = {
    "match_id": np.repeat(range(1, 11), 5),          # 10场比赛，每场5次球门球
    "distance_m": np.random.randint(15, 65, 50),     # 传球距离（米）
    "is_success": np.random.choice([1, 0], 50, p=[0.6, 0.4]),  # 是否成功
    "target_teammate": np.random.choice(["A", "B", "C", "D"], 50)
}
df = pd.DataFrame(data)
print(df.head())

核心计算代码

# 1. 定义长传阈值（>= 30米 视为长传）
LONG_PASS_THRESHOLD = 30
# 2. 标记长传
df["is_long_pass"] = df["distance_m"] >= LONG_PASS_THRESHOLD
# 3. 筛选长传记录
long_passes = df[df["is_long_pass"]]
# 4. 计算长传准确率
total_long = len(long_passes)
success_long = long_passes["is_success"].sum()
accuracy = success_long / total_long * 100
print(f"球门球长传总次数: {total_long}")
print(f"长传成功次数: {success_long}")
print(f"球门球长传准确率: {accuracy:.2f}%")

输出示例：

球门球长传总次数: 27
长传成功次数: 15
球门球长传准确率: 55.56%

进阶分析

按传球距离区间统计准确率

# 分箱：30-40m、40-50m、50m+
bins = [30, 40, 50, 100]
labels = ["30-40m", "40-50m", "50m+"]
long_passes = long_passes.copy()
long_passes["distance_bin"] = pd.cut(long_passes["distance_m"], bins=bins, labels=labels)
stats = long_passes.groupby("distance_bin", observed=True).agg(
    total=("is_success", "count"),
    success=("is_success", "sum"),
    accuracy=("is_success", lambda x: x.mean() * 100)
).round(2)
print(stats)

按目标队友统计

by_target = long_passes.groupby("target_teammate").agg(
    total=("is_success", "count"),
    accuracy=("is_success", lambda x: x.mean() * 100)
).sort_values("accuracy", ascending=False).round(2)
print(by_target)

按比赛统计趋势

by_match = long_passes.groupby("match_id")["is_success"].mean() * 100
print(by_match.round(2))

可视化

import matplotlib.pyplot as plt
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
# 距离区间准确率
stats["accuracy"].plot(kind="bar", ax=axes[0], color="steelblue")
axes[0].set_title("球门球长传准确率（按距离）")
axes[0].set_ylabel("准确率 (%)")
axes[0].set_ylim(0, 100)
# 各场次趋势
by_match.plot(kind="line", marker="o", ax=axes[1], color="darkorange")
axes[1].set_title("各场次球门球长传准确率")
axes[1].set_ylabel("准确率 (%)")
axes[1].set_ylim(0, 100)
plt.tight_layout()
plt.show()

真实数据接入（StatsBomb 示例）

如果使用 StatsBomb 开放数据,核心逻辑如下：

from statsbombpy import sb
# 读取比赛事件
events = sb.events(match_id=3788741)
# 筛选球门球
goal_kicks = events[events["pass_type"] == "Goal Kick"].copy()
# 计算传球距离（StatsBomb 单位为码，1码≈0.9144米）
goal_kicks["distance_m"] = goal_kicks["pass_length"] * 0.9144
# 长传筛选
long_gk = goal_kicks[goal_kicks["distance_m"] >= 30].copy()
# 准确率
accuracy = long_gk["pass_outcome"].isna().mean() * 100
print(f"球门球长传准确率: {accuracy:.2f}%")

说明：StatsBomb 中 pass_outcome 为 NaN 表示传球成功。

小结

核心公式： $$\text{球门球长传准确率} = \frac{\text{长传成功次数}}{\text{长传总次数}} \times 100\%$$

如需针对具体数据源（如 WyScout、Opta、FIFA 数据）适配字段，可以告诉我数据结构,我再帮你调整代码。