本文目录导读：
要判断“进攻套路是否单一”，需要具体的赛后Python分析案例或数据，你没贴出具体代码/数据，我先给你一套可直接套用的判断框架和Python分析思路,你把数据代入就能得出结论。
判断“进攻套路是否单一”的核心维度
| 维度 | 单一的表现 | 丰富/多样的表现 |
|---|---|---|
| 进攻方式分布 | 80%以上集中在1-2种方式（如只打边路传中） | 边路、中路、反击、定位球均衡分布 |
| 进攻区域 | 高度集中在某一侧或某一区域 | 左/中/右三区分布较均衡 |
| 传球网络 | 少数几名球员承担绝大部分推进 | 多点开花，推进路线多样 |
| 进攻发起方式 | 几乎全是阵地战或全是长传 | 阵地、反击、定位球、二次进攻都有 |
| 射门来源 | 射门集中在固定区域/固定方式 | 禁区内、禁区外、头球、远射多元 |
| 节奏变化 | 进攻节奏单一（总是慢速或总是快攻） | 快慢结合 |
Python分析模板（假设你有事件数据）
import pandas as pd
import matplotlib.pyplot as plt
# 假设df包含列: team, attack_type, zone(左/中/右), xg, shot_type, phase(阵地/反击/定位球)
# 只取本方进攻
df_att = df[df['team'] == '本队']
# 1. 进攻方式分布
attack_dist = df_att['attack_type'].value_counts(normalize=True)
print("进攻方式占比:\n", attack_dist)
# 单一性指标：赫芬达尔指数（越高越集中=越单一）
hhi = (attack_dist ** 2).sum()
print(f"进攻方式HHI = {hhi:.3f} (接近1=极单一, <0.3=较多样)")
# 2. 进攻区域分布
zone_dist = df_att['zone'].value_counts(normalize=True)
print("区域分布:\n", zone_dist)
# 3. 进攻发起阶段分布
phase_dist = df_att['phase'].value_counts(normalize=True)
print("发起阶段:\n", phase_dist)
# 4. 可视化
fig, axes = plt.subplots(1, 3, figsize=(15, 4))
attack_dist.plot(kind='bar', ax=axes[0], title='进攻方式')
zone_dist.plot(kind='bar', ax=axes[1], title='进攻区域')
phase_dist.plot(kind='bar', ax=axes[2], title='发起阶段')
plt.tight_layout()
plt.show()
量化“单一性”的判定标准
- 占比阈值法：若某一进攻方式占比 > 60%，或前两种方式合计 > 80%,可判定为偏单一。
- HHI指数：
sum(占比²)，> 0.5 明显单一，0.3–0.5 偏集中，< 0.3 较多样。 - 熵值法：
-sum(p*log(p)),熵越低越单一。 - 区域均衡度：左中右三区若某区 > 50%,说明进攻偏向一侧。
结论输出示例（你可替换成真实数字）
若分析显示：边路传中占 68%，左路进攻占 55%，阵地战发起占 82%，射门 70% 来自禁区外远射——则进攻套路明显单一，过度依赖边路传中和阵地战,缺乏中路渗透与反击变化。
反之，若边路/中路/反击/定位球各占 20–30%，左右分布接近 40/30/30，则套路较为丰富。
请把你的赛后数据（列名+几行样例）或Python代码贴出来，我可以直接帮你跑出结论：到底单一不单一、单一在哪一环、对手是否容易针对。
