本文目录导读：
我来为您设计一个综合Python案例,分析足球比赛中边路传中成功率的数据对比。
足球边路传中成功率分析系统
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
import warnings
warnings.filterwarnings('ignore')
# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
class FootballCrossingAnalysis:
"""
足球边路传中成功率分析系统
"""
def __init__(self):
self.data = None
self.team_stats = None
self.player_stats = None
def generate_synthetic_data(self, teams=10, matches_per_team=20):
"""
生成模拟数据
"""
np.random.seed(42)
team_names = [f'球队{i+1}' for i in range(teams)]
player_names = []
# 为每支球队生成球员数据
for team in team_names:
for j in range(15): # 每队15名球员
player_names.append(f'{team}球员{j+1}')
# 生成比赛数据
match_data = []
for team1 in team_names:
for team2 in team_names:
if team1 != team2:
for match_num in range(matches_per_team // 2):
# 计算双方传中数据
for team, opponent in [(team1, team2), (team2, team1)]:
# 随机生成传中次数
crosses = np.random.randint(15, 35)
# 生成成功次数（受队伍实力影响）
success_rate = np.random.uniform(0.25, 0.45)
successful = int(crosses * success_rate)
match_data.append({
'比赛编号': f'{datetime.now().strftime("%Y%m%d")}_{match_num+1}',
'球队': team,
'对手': opponent,
'传中次数': crosses,
'成功传中': successful,
'成功率': successful / crosses * 100,
'传中方向': np.random.choice(['左侧', '右侧'], p=[0.5, 0.5]),
'比赛日期': f'2024-{np.random.randint(1,5):02d}-{np.random.randint(1,28):02d}',
'主客场': np.random.choice(['主场', '客场'])
})
self.data = pd.DataFrame(match_data)
# 生成球员个人数据
player_data = []
for player in player_names:
crosses = np.random.randint(50, 200)
successful = np.random.randint(15, 60)
player_data.append({
'球员': player,
'球队': player.split('球员')[0],
'传中次数': crosses,
'成功传中': successful,
'成功率': successful / crosses * 100,
'助攻数': np.random.randint(0, 8),
'场均传球': np.random.uniform(30, 60),
'比赛出场': np.random.randint(15, 35)
})
self.player_stats = pd.DataFrame(player_data)
return self.data
def calculate_team_statistics(self):
"""
计算球队统计数据
"""
# 按球队聚合数据
self.team_stats = self.data.groupby('球队').agg({
'传中次数': 'sum',
'成功传中': 'sum',
'传中方向': 'first',
'主客场': 'first'
}).reset_index()
# 计算成功率
self.team_stats['总成功率'] = self.team_stats['成功传中'] / self.team_stats['传中次数'] * 100
# 按主客场分析
home_away_stats = self.data.groupby(['球队', '主客场']).agg({
'传中次数': 'sum',
'成功传中': 'sum'
}).reset_index()
# 透视表展示主客场成功率
pivot_home_away = home_away_stats.pivot_table(
values=['传中次数', '成功传中'],
index='球队',
columns='主客场',
aggfunc='sum'
)
home_success = pivot_home_away['成功传中']['主场'] / pivot_home_away['传中次数']['主场'] * 100
away_success = pivot_home_away['成功传中']['客场'] / pivot_home_away['传中次数']['客场'] * 100
self.team_stats['主场成功率'] = home_success
self.team_stats['客场成功率'] = away_success
return self.team_stats
def analyze_side_direction(self):
"""
分析左右边路传中成功率
"""
side_stats = self.data.groupby(['球队', '传中方向']).agg({
'传中次数': 'sum',
'成功传中': 'sum'
}).reset_index()
side_stats['成功率'] = side_stats['成功传中'] / side_stats['传中次数'] * 100
# 创建透视表，展示左右边路对比
comparison = side_stats.pivot_table(
values='成功率',
index='球队',
columns='传中方向',
fill_value=0
)
comparison['差异'] = comparison['左侧'] - comparison['右侧']
return comparison
def analyze_player_performance(self):
"""
分析球员个人表现
"""
# 筛选出场次数较多的球员
qualified_players = self.player_stats[self.player_stats['比赛出场'] >= 20]
# 添加球员效率评分
qualified_players['效率评分'] = (
qualified_players['成功率'] * 0.6 +
qualified_players['助攻数'] * 1.5 +
qualified_players['场均传球'] * 0.1
)
return qualified_players.sort_values('效率评分', ascending=False)
def visualize_analysis(self):
"""
可视化分析结果
"""
if self.team_stats is None:
self.calculate_team_statistics()
# 创建多子图
fig = plt.figure(figsize=(18, 12))
# 1. 球队成功率排名
ax1 = fig.add_subplot(2, 3, 1)
sorted_teams = self.team_stats.sort_values('总成功率', ascending=True)
colors = plt.cm.RdYlGn(np.linspace(0.2, 0.8, len(sorted_teams)))
bars = ax1.barh(sorted_teams['球队'], sorted_teams['总成功率'], color=colors)
ax1.set_xlabel('成功率 (%)')
ax1.set_title('各球队传中成功率排名')
ax1.set_xlim(0, 60)
# 在条形图上添加数值
for i, (bar, value) in enumerate(zip(bars, sorted_teams['总成功率'])):
ax1.text(bar.get_width() + 0.5, bar.get_y() + bar.get_height()/2,
f'{value:.1f}%', ha='left', va='center')
# 2. 主客场成功率对比
ax2 = fig.add_subplot(2, 3, 2)
range_teams = np.arange(len(self.team_stats))
width = 0.35
ax2.bar(range_teams - width/2, self.team_stats['主场成功率'], width,
label='主场', alpha=0.8, color='green')
ax2.bar(range_teams + width/2, self.team_stats['客场成功率'], width,
label='客场', alpha=0.8, color='orange')
ax2.set_xticks(range_teams)
ax2.set_xticklabels(self.team_stats['球队'], rotation=45)
ax2.set_ylabel('成功率 (%)')
ax2.set_title('主客场成功率对比')
ax2.legend()
ax2.axhline(y=self.team_stats['总成功率'].mean(), color='red',
linestyle='--', label=f'平均 {self.team_stats["总成功率"].mean():.1f}%')
# 3. 左右边路成功率热力图
ax3 = fig.add_subplot(2, 3, 3)
side_comparison = self.analyze_side_direction()
sns.heatmap(side_comparison[['左侧', '右侧']], annot=True, fmt='.1f',
cmap='coolwarm', ax=ax3, cbar_kws={'label': '成功率 (%)'})
ax3.set_title('左右边路成功率对比热力图')
# 4. 传中次数与成功率散点图
ax4 = fig.add_subplot(2, 3, 4)
scatter = ax4.scatter(self.team_stats['传中次数'], self.team_stats['总成功率'],
c=self.team_stats['总成功率'], cmap='viridis', s=150)
ax4.set_xlabel('传中次数')
ax4.set_ylabel('成功率 (%)')
ax4.set_title('传中次数与成功率关系')
plt.colorbar(scatter, ax=ax4)
# 5. 球员效率评分排行
ax5 = fig.add_subplot(2, 3, 5)
player_analysis = self.analyze_player_performance()
top_players = player_analysis.head(10)
bars = ax5.barh(top_players['球员'], top_players['效率评分'],
color=plt.cm.Blues(np.linspace(0.3, 0.9, len(top_players))))
ax5.set_xlabel('效率评分')
ax5.set_title('球员效率评分TOP10')
# 6. 成功率分布直方图
ax6 = fig.add_subplot(2, 3, 6)
ax6.hist(self.team_stats['总成功率'], bins=10, color='skyblue',
edgecolor='black', alpha=0.7)
ax6.axvline(self.team_stats['总成功率'].mean(), color='red',
linestyle='--', label=f'均值: {self.team_stats["总成功率"].mean():.2f}%')
ax6.set_xlabel('成功率 (%)')
ax6.set_ylabel('球队数量')
ax6.set_title('球队成功率分布')
ax6.legend()
plt.suptitle('足球边路传中成功率综合分析报告', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()
def generate_report(self):
"""
生成综合分析报告
"""
print("=" * 60)
print("足球边路传中成功率综合分析报告")
print("=" * 60)
# 总体统计
total_crosses = self.data['传中次数'].sum()
total_success = self.data['成功传中'].sum()
overall_rate = total_success / total_crosses * 100
print(f"\n总体数据统计:")
print(f"总传中次数: {total_crosses}")
print(f"成功传中次数: {total_success}")
print(f"总体成功率: {overall_rate:.2f}%")
# 最佳球队
best_team = self.team_stats.loc[self.team_stats['总成功率'].idxmax()]
print(f"\n最佳球队: {best_team['球队']}")
print(f"球队成功率: {best_team['总成功率']:.2f}%")
print(f"球队传中次数: {best_team['传中次数']}")
# 最佳球员
top_player = self.player_stats.loc[self.player_stats['成功率'].idxmax()]
print(f"\n最佳传中球员: {top_player['球员']}")
print(f"球员成功率: {top_player['成功率']:.2f}%")
print(f"球员传中次数: {top_player['传中次数']}")
# 左右边路分析
side_analysis = self.data.groupby('传中方向').agg({
'传中次数': 'sum',
'成功传中': 'sum'
})
side_rate = side_analysis['成功传中'] / side_analysis['传中次数'] * 100
print(f"\n边路对比:")
for direction in ['左侧', '右侧']:
print(f"{direction}传中成功率: {side_rate[direction]:.2f}%")
# 主客场分析
home_avg = self.team_stats['主场成功率'].mean()
away_avg = self.team_stats['客场成功率'].mean()
print(f"\n主客场对比:")
print(f"主场平均成功率: {home_avg:.2f}%")
print(f"客场平均成功率: {away_avg:.2f}%")
print(f"主场优势: {'是' if home_avg > away_avg else '否'}")
# 数据洞察
print("\n" + "=" * 60)
print("关键数据洞察:")
print("=" * 60)
# 找出最强边路
if side_rate['左侧'] > side_rate['右侧']:
print("→ 整体来看，球队在左侧边路传中效率更高")
else:
print("→ 整体来看，球队在右侧边路传中效率更高")
# 主客场优势分析
if self.team_stats['主场成功率'].mean() > self.team_stats['客场成功率'].mean():
print("→ 球队在主场表现出更好的传中成功率")
else:
print("→ 球队在客场保持着更好的传中成功率")
# 主程序
def main():
"""
主函数入口
"""
# 创建分析对象
analysis = FootballCrossingAnalysis()
# 生成数据
print("正在生成模拟数据...")
analysis.generate_synthetic_data(teams=10, matches_per_team=20)
print("数据生成完成！")
# 计算球队统计数据
analysis.calculate_team_statistics()
# 打印球队排名
print("\n球队成功率排名：")
team_ranking = analysis.team_stats.sort_values('总成功率', ascending=False)
for i, row in team_ranking.iterrows():
print(f"{i+1}. {row['球队']}: {row['总成功率']:.2f}%")
# 生成可视化分析
analysis.visualize_analysis()
# 生成详细报告
analysis.generate_report()
# 导出数据
print("\n正在导出分析数据...")
analysis.team_stats.to_csv('team_crossing_stats.csv', index=False)
analysis.player_stats.to_csv('player_crossing_stats.csv', index=False)
print("数据已导出到CSV文件！")
if __name__ == "__main__":
main()
运行示例和预期输出
# 运行代码 analysis = FootballCrossingAnalysis() analysis.generate_synthetic_data() analysis.calculate_team_statistics() # 查看球队统计 print(analysis.team_stats.head())
输出示例：
球队 传中次数 成功传中 总成功率 主场成功率 客场成功率
0 球队1 345 123 35.65% 36.8% 34.5%
1 球队2 320 110 34.38% 35.2% 33.6%
2 球队3 352 130 36.93% 37.5% 36.4%
...功能特点
- 数据生成：自动生成逼真的足球比赛数据
- 多维度分析：球队、球员、主客场、左右边路等多角度分析
- 可视化呈现：包含6种不同类型的图表
- 智能报告：自动生成分析报告和关键洞察
- 数据导出：支持CSV格式导出
扩展建议
# 可以添加更多功能
def add_player_defense_analysis(self):
"""添加防守数据分析"""
def add_correlation_analysis(self):
"""添加相关性分析"""
def add_time_series_analysis(self):
"""添加时间序列分析"""
这个案例包含了数据分析的完整流程,可以直接运行并得到丰富的分析结果！
