综合赛后python案例，哪队更有潜力进决赛？

本文目录导读：

1. 分析思路
2. Python案例代码
3. 如何解读结果
4. 你需要提供的信息

要判断“哪队更有潜力进决赛”，需要具体看是哪项赛事、哪个阶段、哪两支（或几支）队伍，以及你手头的赛后数据包含哪些字段，仅仅说“赛后python案例”信息不够，我没法直接给出“哪队更有潜力”的结论。

不过我可以给你一个可落地的Python分析框架：用赛后数据（比分、射门、控球、xG、传球成功率、防守数据、近期赛程、伤病/红黄牌等）构建“进决赛潜力评分”，再比较各队，下面是一个完整案例代码,你可以把数据替换成你的赛事数据。

分析思路

“进决赛潜力”可以从四个维度量化：

1. 近期战绩：最近N场胜率、场均积分、净胜球
2. 攻防效率：场均进球、场均失球、xG/xGA、射正率
3. ：控球率、传球成功率、关键传球、防守拦截
4. 稳定性与赛程：方差、红黄牌、休息天数、对手强度

最后加权得到潜力分,并做归一化排名。

Python案例代码

import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
# =========================
# 1. 模拟赛后数据（替换成你的数据）
# =========================
# 每行是一支球队的赛后汇总数据
data = {
    "team": ["TeamA", "TeamB", "TeamC", "TeamD"],
    "matches": [10, 10, 10, 10],
    "wins": [7, 6, 5, 4],
    "draws": [2, 2, 3, 3],
    "losses": [1, 2, 2, 3],
    "goals_for": [20, 18, 15, 12],
    "goals_against": [8, 9, 12, 14],
    "xg_for": [19.5, 17.0, 14.0, 11.0],
    "xg_against": [8.5, 9.5, 11.5, 13.0],
    "possession": [58, 55, 52, 48],
    "pass_acc": [86, 84, 82, 79],
    "shots_on_target": [55, 50, 45, 38],
    "key_passes": [80, 75, 68, 60],
    "tackles": [120, 125, 130, 135],
    "interceptions": [70, 68, 65, 60],
    "yellow_cards": [12, 15, 18, 20],
    "red_cards": [0, 1, 1, 2],
    "rest_days": [4, 3, 2, 3],
    "opp_strength": [0.75, 0.70, 0.65, 0.60]  # 对手平均强度 0-1
}
df = pd.DataFrame(data)
# =========================
# 2. 构造特征
# =========================
df["points"] = df["wins"] * 3 + df["draws"]
df["ppg"] = df["points"] / df["matches"]
df["win_rate"] = df["wins"] / df["matches"]
df["gd"] = df["goals_for"] - df["goals_against"]
df["gd_per_match"] = df["gd"] / df["matches"]
df["gf_per_match"] = df["goals_for"] / df["matches"]
df["ga_per_match"] = df["goals_against"] / df["matches"]
df["xg_diff"] = df["xg_for"] - df["xg_against"]
df["xg_diff_per_match"] = df["xg_diff"] / df["matches"]
df["shot_acc"] = df["shots_on_target"] / (df["shots_on_target"] + 20)  # 简化
df["discipline_penalty"] = df["yellow_cards"] * 0.1 + df["red_cards"] * 1.0
df["rest_score"] = df["rest_days"] / df["rest_days"].max()
# =========================
# 3. 归一化
# =========================
features = [
    "ppg", "win_rate", "gd_per_match", "gf_per_match", "ga_per_match",
    "xg_diff_per_match", "possession", "pass_acc", "shot_acc",
    "key_passes", "tackles", "interceptions", "rest_score", "opp_strength"
]
# 失球和纪律是负向指标，先取负
df["ga_per_match_neg"] = -df["ga_per_match"]
df["discipline_neg"] = -df["discipline_penalty"]
features_all = features + ["ga_per_match_neg", "discipline_neg"]
scaler = MinMaxScaler()
df_norm = df.copy()
df_norm[features_all] = scaler.fit_transform(df[features_all])
# =========================
# 4. 加权潜力评分
# =========================
weights = {
    "ppg": 0.15,
    "win_rate": 0.10,
    "gd_per_match": 0.10,
    "gf_per_match": 0.08,
    "ga_per_match_neg": 0.10,
    "xg_diff_per_match": 0.12,
    "possession": 0.05,
    "pass_acc": 0.05,
    "shot_acc": 0.05,
    "key_passes": 0.05,
    "tackles": 0.03,
    "interceptions": 0.03,
    "rest_score": 0.04,
    "opp_strength": 0.05,
    "discipline_neg": 0.05
}
df["potential_score"] = sum(df_norm[f] * w for f, w in weights.items())
df["potential_score"] = df["potential_score"] / df["potential_score"].max() * 100
# =========================
# 5. 输出排名
# =========================
result = df.sort_values("potential_score", ascending=False)[
    ["team", "potential_score", "ppg", "gd_per_match", "xg_diff_per_match", "ga_per_match"]
]
print(result)
# =========================
# 6. 简单敏感性分析
# =========================
# 如果更看重进攻：提高gf/xg权重
weights_attack = weights.copy()
weights_attack["gf_per_match"] = 0.15
weights_attack["xg_diff_per_match"] = 0.18
df["score_attack"] = sum(df_norm[f] * w for f, w in weights_attack.items())
df["score_attack"] = df["score_attack"] / df["score_attack"].max() * 100
print("\n更看重进攻的排名：")
print(df.sort_values("score_attack", ascending=False)[["team", "score_attack"]])

如何解读结果

• potential_score 高：综合战绩、攻防、内容、稳定性更好,进决赛潜力更大。
• 如果两队在潜力分上接近，重点看：
  • xg_diff_per_match：谁的真实攻防质量更高
  • ga_per_match：谁防守更稳（淘汰赛更看重防守）
  • rest_days 和 red_cards：谁阵容更完整、体能更好
• 做敏感性分析：如果改变权重后排名仍稳定，说明结论稳健；如果翻转，说明两队差距不大,需结合具体对阵。

你需要提供的信息

如果你要我直接判断“哪队更有潜力进决赛”,请告诉我：

1. 赛事名称和阶段（小组赛/淘汰赛）
2. 候选队伍名单
3. 你手头赛后数据的字段（或贴几行样例）
4. 你更看重进攻还是防守（淘汰赛通常防守权重更高）

把数据发我,我可以直接跑出排名并给出结论。