python案例统计反击次数哪队更高效？

wen python案例 2026-10-23 4

哪队更高效？

下面我用一个足球比赛数据分析的案例，演示如何统计两队的"反击次数"并比较哪队反击更高效，反击通常定义为：在本方半场夺回球权后，快速推进到对方半场并形成射门。

案例背景

假设我们有一份比赛事件数据（类似 StatsBomb 格式），字段包括：时间、球队、事件类型、位置（x, y 坐标）、是否射门等。

完整代码实现

import pandas as pd
import numpy as np
# ============ 1. 构造示例数据 ============
np.random.seed(42)
events = []
teams = ['A队', 'B队']
event_types = ['抢断', '传球', '带球', '射门', '丢球']
# x坐标 0-100，0为本方球门，100为对方球门
for i in range(500):
    team = np.random.choice(teams)
    etype = np.random.choice(event_types, p=[0.15, 0.5, 0.15, 0.1, 0.1])
    x = np.random.uniform(0, 100)
    y = np.random.uniform(0, 100)
    minute = np.random.randint(1, 90)
    events.append([i, minute, team, etype, x, y])
df = pd.DataFrame(events, columns=['id', 'minute', 'team', 'event_type', 'x', 'y'])
df = df.sort_values(['minute', 'id']).reset_index(drop=True)
# ============ 2. 定义反击检测逻辑 ============
def detect_counter_attacks(df, time_window=15, x_gain_threshold=40):
    """
    识别反击：
    1. 在本方半场(x < 50)夺回球权（抢断/丢球后获得）
    2. 在 time_window 秒/事件内，球推进超过 x_gain_threshold
    3. 最终形成射门（x > 80 且 event_type == '射门'）
    """
    counter_attacks = []
    for idx, row in df.iterrows():
        # 只关注在本方半场的夺球事件
        if row['event_type'] in ['抢断'] and row['x'] < 50:
            start_x = row['x']
            start_minute = row['minute']
            team = row['team']
            # 查看之后的 time_window 个事件
            window = df.iloc[idx+1 : idx+1+time_window]
            team_events = window[window['team'] == team]
            if len(team_events) == 0:
                continue
            max_x = team_events['x'].max()
            # 判断是否形成射门
            shots = team_events[(team_events['event_type'] == '射门') & 
                                (team_events['x'] > 80)]
            x_gain = max_x - start_x
            if x_gain >= x_gain_threshold:
                counter_attacks.append({
                    'team': team,
                    'start_minute': start_minute,
                    'start_x': start_x,
                    'end_x': max_x,
                    'x_gain': x_gain,
                    'led_to_shot': len(shots) > 0,
                    'led_to_goal': len(shots) > 0 and np.random.rand() < 0.2  # 模拟转化
                })
    return pd.DataFrame(counter_attacks)
# ============ 3. 执行统计 ============
ca_df = detect_counter_attacks(df)
# 按球队汇总
summary = ca_df.groupby('team').agg(
    反击次数=('team', 'count'),
    平均推进距离=('x_gain', 'mean'),
    射门转化数=('led_to_shot', 'sum'),
).reset_index()
summary['射门转化率'] = summary['射门转化数'] / summary['反击次数']
summary['效率评分'] = summary['射门转化率'] * summary['平均推进距离']
print("=== 反击效率对比 ===")
print(summary.round(3).to_string(index=False))
# 判断哪队更高效
best_team = summary.loc[summary['效率评分'].idxmax(), 'team']
print(f"\n🏆 反击最高效的球队：{best_team}")

核心指标解读

指标	含义	越高越好？
反击次数	符合反击定义的次数	看情况（多不一定好）
平均推进距离	每次反击推进的x坐标距离
射门转化率	反击最终形成射门的比例
效率评分	转化率 × 平均推进距离	✅ 综合指标