综合python案例，哪队更擅长逆风球？

Python 数据分析案例

下面用一个完整的 Python 案例，对比两支队（以 A队 vs B队 为例），看谁更擅长"逆风球"。

问题定义

"逆风球"通常指先丢球（落后）的比赛，评价一支队是否擅长逆风球，关键看：

构造数据（模拟）

import pandas as pd
import numpy as np
np.random.seed(42)
# 模拟每场比赛：球队、是否先丢球、最终结果
def make_matches(team, n, comeback_rate, draw_rate):
    """生成某队 n 场比赛数据"""
    records = []
    for i in range(n):
        conceded_first = np.random.rand() < 0.45   # 45% 的比赛先丢球
        if conceded_first:
            r = np.random.rand()
            if r < comeback_rate:          # 逆转胜
                result = "胜"
            elif r < comeback_rate + draw_rate:  # 扳平
                result = "平"
            else:
                result = "负"
        else:
            result = np.random.choice(["胜", "平", "负"], p=[0.6, 0.25, 0.15])
        records.append({"team": team, "match_id": i,
                        "conceded_first": conceded_first, "result": result})
    return records
data = make_matches("A队", 38, comeback_rate=0.30, draw_rate=0.25) + \
       make_matches("B队", 38, comeback_rate=0.18, draw_rate=0.30)
df = pd.DataFrame(data)
print(df.head())

核心指标计算

# 结果转积分
points_map = {"胜": 3, "平": 1, "负": 0}
df["points"] = df["result"].map(points_map)
# 只看"逆风球"（先丢球）
trailing = df[df["conceded_first"]].copy()
summary = trailing.groupby("team").agg(
    落后场次=("match_id", "count"),
    逆转胜=("result", lambda s: (s == "胜").sum()),
    扳平=("result", lambda s: (s == "平").sum()),
    落后场均分=("points", "mean"),
    落后总积分=("points", "sum"),
).reset_index()
summary["逆转率"] = summary["逆转胜"] / summary["落后场次"]
summary["扳平率"] = (summary["逆转胜"] + summary["扳平"]) / summary["落后场次"]
print(summary.round(3))

输出示例：

  team  落后场次  逆转胜  扳平  落后场均分  落后总积分   逆转率   扳平率
0  A队      17     5    4      1.176      20     0.294   0.529
1  B队      16     3    5      0.875      14     0.188   0.500

可视化对比

import matplotlib.pyplot as plt
fig, axes = plt.subplots(1, 3, figsize=(14, 4))
# 1. 落后场均拿分
axes[0].bar(summary["team"], summary["落后场均分"], color=["#d62728", "#1f77b4"])
axes[0].set_title("落后时场均拿分")
axes[0].set_ylim(0, 2)
# 2. 逆转率
axes[1].bar(summary["team"], summary["逆转率"], color=["#d62728", "#1f77b4"])
axes[1].set_title("逆转率（落后→取胜）")
# 3. 扳平率
axes[2].bar(summary["team"], summary["扳平率"], color=["#d62728", "#1f77b4"])
axes[2].set_title("扳平率（落后→至少1分）")
plt.tight_layout()
plt.show()

进阶：逆风球"质量"评分

单看比例不够,可以做一个加权综合评分：

from sklearn.preprocessing import MinMaxScaler
score_df = summary[["team", "逆转率", "扳平率", "落后场均分"]].copy()
scaler = MinMaxScaler()
score_df[["逆转率", "扳平率", "落后场均分"]] = scaler.fit_transform(
    score_df[["逆转率", "扳平率", "落后场均分"]])
# 权重：逆转 50%，扳平 30%，场均分 20%
score_df["逆风指数"] = (score_df["逆转率"] * 0.5 +
                       score_df["扳平率"] * 0.3 +
                       score_df["落后场均分"] * 0.2)
print(score_df.sort_values("逆风指数", ascending=False).round(3))

输出示例：

  team   逆转率   扳平率  落后场均分  逆风指数
0  A队   1.000   1.000    1.000    1.000
1  B队   0.000   0.000    0.000    0.000

综合以上指标：

A队更擅长逆风球。 它在先丢球后不仅取胜比例更高，抢分效率也明显优于 B队，说明其落后时的调整能力和心理韧性更强。

真实数据建议

若要用于真实赛事,建议：

1. 数据源：用 football-data.org API 或 soccerdata 库抓取历史比赛；
2. 细化指标：加入"落后时间长度""落后几球""主客场""对手强度"做分层分析；
3. 显著性检验：用 scipy.stats.chi2_contingency 检验两队逆转率差异是否显著，避免小样本偶然性。

from scipy.stats import chi2_contingency
# 列联表：[[A逆转, A未逆转], [B逆转, B未逆转]]
table = [[5, 12], [3, 13]]
chi2, p, dof, _ = chi2_contingency(table)
print(f"p = {p:.3f}")   # p 较大时差异不显著

这个案例框架可直接替换成两队真实数据即可得出结论，需要我把它改成抓取真实联赛数据的版本吗？