Python案例看好的球队近期状态如何？

wen python案例 2026-07-29 2

本文目录导读：

案例目标：分析“利物浦”近10场英超比赛的“状态”
方法一：使用模拟数据（快速上手，理解逻辑）
方法二：使用真实数据 API（football-data.org）
如何判断球队“状态好”？
如果你没有数据，但想看“某队真实状态”

这是一个很好的数据分析实战案例,评估一支球队（比如英超、NBA、中超等）的“近期状态”，通常需要获取该球队最近几场比赛的数据（胜负、进球、失球、对手强弱等）。

以下我会提供一个通用且可运行的Python案例，以足球为例，演示如何分析一支球队的近期状态，该案例会结合数据抓取（模拟或使用真实API）和数据可视化。

由于直接爬取某些实时网站可能涉及反爬或法律风险,我会提供两种方式：

方式A（推荐）：模拟数据 + 真实逻辑 —— 你可以在任何环境下立刻运行，理解分析框架。
方式B（进阶）：使用免费 Sports API —— 我会告诉你如何调用真实数据（以 football-data.org 为例）。

案例目标：分析“利物浦”近10场英超比赛的“状态”

我们将分析：

最近5场和10场的胜平负分布。
进/失球趋势（进攻和防守状态）。
综合状态评分。

使用模拟数据（快速上手，理解逻辑）

这是最实用的方式,核心在于理解状态分析逻辑。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
# 设置中文支持（如果你使用英文环境可忽略）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 或 'Arial Unicode MS' (Mac)
plt.rcParams['axes.unicode_minus'] = False
# --- 1. 模拟数据：代表利物浦最近10场比赛结果 ---
# 格式：[对手, 主/客, 我方进球, 对方进球]
mock_fixtures = [
    ("曼联", "客", 3, 0),   # 胜
    ("阿森纳", "主", 1, 2), # 负
    ("曼城", "客", 1, 1),   # 平
    ("切尔西", "主", 4, 1), # 胜
    ("热刺", "客", 2, 1),   # 胜
    ("纽卡斯尔", "主", 0, 0),# 平
    ("布莱顿", "客", 3, 2), # 胜
    ("维拉", "主", 2, 0),   # 胜
    ("西汉姆", "客", 1, 3), # 负
    ("狼队", "主", 5, 0),   # 胜
]
# --- 2. 数据整理 ---
df = pd.DataFrame(mock_fixtures, columns=['对手', '主客', '进球', '失球'])
# 计算每场结果
def get_result(row):
    if row['进球'] > row['失球']:
        return '胜'
    elif row['进球'] < row['失球']:
        return '负'
    else:
        return '平'
df['结果'] = df.apply(get_result, axis=1)
df['比赛序号'] = range(1, len(df)+1)
# 计算累积积分（假设胜3分，平1分）
df['单场积分'] = df['结果'].map({'胜': 3, '平': 1, '负': 0})
df['累积积分'] = df['单场积分'].cumsum()
print("📋 近期赛果数据：")
print(df[['比赛序号', '对手', '结果', '进球', '失球', '单场积分']].to_string(index=False))
# --- 3. 状态分析 ---
print("\n📊 状态分析报告：")
print(f"📅 近10场总积分：{df['单场积分'].sum()}")
print(f"✅ 胜率：{ (df['结果']=='胜').mean()*100:.0f}%")
print(f"⚖️ 平率：{ (df['结果']=='平').mean()*100:.0f}%")
print(f"❌ 败率：{ (df['结果']=='负').mean()*100:.0f}%")
# 近5场与近10场对比（近期状态变化）
recent_5 = df.tail(5)
print(f"\n🆚 近5场积分：{recent_5['单场积分'].sum()}")
print(f"🔵 近5场场均进球：{recent_5['进球'].mean():.2f}")
print(f"🔴 近5场场均失球：{recent_5['失球'].mean():.2f}")
# --- 4. 可视化：状态趋势图 ---
plt.figure(figsize=(12, 5))
# 子图1：进球/失球趋势
plt.subplot(1, 2, 1)
plt.plot(df['比赛序号'], df['进球'], 'go-', label='进球', markersize=8)
plt.plot(df['比赛序号'], df['失球'], 'ro-', label='失球', markersize=8)
plt.axhline(y=df['进球'].mean(), color='green', linestyle='--', alpha=0.5, label='平均进球')
plt.axhline(y=df['失球'].mean(), color='red', linestyle='--', alpha=0.5, label='平均失球')'⚽ 进/失球趋势 (利物浦近10场)')
plt.xlabel('比赛序号 (1=最早)')
plt.ylabel('数量')
plt.legend()
plt.grid(True, alpha=0.3)
# 子图2：累积积分曲线
plt.subplot(1, 2, 2)
plt.plot(df['比赛序号'], df['累积积分'], 'b-s', label='积分走势', linewidth=2)
plt.fill_between(df['比赛序号'], df['累积积分'], alpha=0.2, color='blue')'📈 积分累计趋势')
plt.xlabel('比赛场次')
plt.ylabel('累积积分')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

运行结果解读： 你会看到一张表格和两张趋势图。

进/失球趋势图： 如果进球线（绿色）持续高于失球线（红色），说明状态好。
积分趋势图： 如果曲线越来越陡峭，说明最近连胜，状态正佳；如果变平，则近期低迷。

使用真实数据 API（football-data.org）

这是获取真实足球数据的常用免费方式。

步骤：

申请 API Key： 去 https://www.football-data.org/ 免费注册，获取 API Key。
安装 requests： pip install requests
运行代码：

import requests
import pandas as pd
import matplotlib.pyplot as plt
# --- 配置 ---
API_KEY = "你的API_KEY"  # 替换为你自己的Key
HEADERS = {"X-Auth-Token": API_KEY}
# 球队：利物浦 (Premier League ID: 61, 利物浦Team ID: 64)
TEAM_ID = 64
COMPETITION_ID = 2021  # Premier League 2021
# --- 1. 获取球队近期赛程 ---
url = f"https://api.football-data.org/v4/teams/{TEAM_ID}/matches"  # 注意：v4版本
params = {"status": "FINISHED", "limit": 10}
response = requests.get(url, headers=HEADERS, params=params)
data = response.json()
# --- 2. 解析数据 ---
matches = []
for match in data['matches']:
    # 确定主客和比分
    home_team = match['homeTeam']['name']
    away_team = match['awayTeam']['name']
    score = match['score']
    # 注意：有些比赛可能未记录比分，需跳过
    if score['fullTime']['home'] is None or score['fullTime']['away'] is None:
        continue
    home_goals = score['fullTime']['home']
    away_goals = score['fullTime']['away']
    # 判断是否利物浦相关
    if match['homeTeam']['id'] == TEAM_ID:
        our_goals = home_goals
        opponent_goals = away_goals
        venue = '主'
        opponent = away_team
    else:
        our_goals = away_goals
        opponent_goals = home_goals
        venue = '客'
        opponent = home_team
    match_date = match['utcDate'][:10]
    matches.append([match_date, opponent, venue, our_goals, opponent_goals])
df = pd.DataFrame(matches, columns=['日期', '对手', '主客', '进球', '失球'])
# --- 3. 后续分析 (和上面方法一相同) ---
# 计算胜平负、积分、可视化等 (代码同方法一的步骤2-4)
print(df)
# 然后复用方法一中的分析代码

注意：

免费API有调用频率限制（10次/分钟）。
返回的数据结构较复杂,建议先 print(data['matches'][0].keys()) 看看结构。

如何判断球队“状态好”？

除了看胜率,还可以使用加权移动平均（最近比赛权重更高）来量化状态：

# 计算加权状态得分 (示例)
weights = [0.05, 0.05, 0.1, 0.1, 0.15, 0.15, 0.2, 0.2]  # 越近权重越大
recent_scores = df['单场积分'].values[-8:]  # 取最近8场
state_score = np.sum(recent_scores * weights)
print(f"⚡ 加权状态评分 (满分2.4): {state_score:.2f}")