本文目录导读：
在Python篮球数据分析中,“半场结束前攻势”通常指的是比赛时间在第2节结束前（如最后2分钟或1分钟）内发生的进攻回合。
要“看”出这股攻势，一般是通过数据可视化和数据切片来识别，这里有一个非常标准的分析流程，你可以对照你的代码或数据来看：
核心思路：定义“攻势”
在代码中,通常不会直接有“攻击波”这个标签，你需要先定义“得分效率”，常见定义：
- 连续得分：在最后3分钟内，一支球队连续进了2-3个球，而对手0进球。
- 净胜分：最后3分钟内，A队净胜B队8分以上。
关键代码逻辑（切片与筛选）
假设你的数据是一个 Pandas DataFrame，字段包含 period（节数）、time_remaining（剩余时间）、team（球队）、points（得分）。
你可以这样“看”出半场前的攻势：
# 假设 df 是比赛数据
import pandas as pd
# 筛选出第2节（半场）的数据
second_quarter = df[df['period'] == 2]
# 筛选出最后2分钟（剩余时间 <= 120秒）
clutch_time = second_quarter[second_quarter['time_remaining'] <= 120]
# 按球队分组，计算这段时间的得分
attack_power = clutch_time.groupby('team')['points'].sum()
# 找出净胜分（得分差）
# 如果某一队得分远高于另一队（比如差值 >= 6），则视为“攻势”
if attack_power.max() - attack_power.min() >= 6:
attacking_team = attack_power.idxmax()
print(f"半场结束前，{attacking_team} 打出了一波攻势！")
如何“看”（可视化呈现）
如果你是用 Jupyter Notebook 或需要画图，可以看 折线图 或 柱状图：
- 折线图（得分累计）：X轴是时间（逆序走向0），Y轴是累计得分。如果某条线在最后2分钟突然陡峭上升（斜率变大），另一条线平缓，那条陡峭的线就是“半场结束前攻势”。
- 进攻回合序列图：按秒数列出每个回合，如果看到连续3-4条记录都是同一队（如
主队），且旁边数字是+2或+3，那就是一波流。
实战案例（举一个具体例子）
假设你有这样一段日志数据：
| 时间剩余 | 球队 | 事件 |
|---|---|---|
| 02：00 | 客队 | 投篮命中 |
| 01：48 | 主队 | 失误 |
| 01：35 | 主队 | 三分命中 |
| 01：22 | 主队 | 抢断 |
| 01：05 | 主队 | 投篮命中 |
| 00：45 | 主队 | 三分命中 |
| 00：20 | 客队 | 投篮不中 |
答案：很明显，在最后的1分40秒里，主队打出了一波 8-0 的攻势。
如果你遇到的是“看不太懂”的具体代码
如果你手头有具体的代码文件（.py 或 .ipynb），你可以把这个代码片段发给我看看，我帮你找出哪一段是判断“半场前攻势”的。
提示：搜索关键词通常包括：period == 2 或 quarter == 2，以及 time < 120 或 last_2_minutes，如果代码里有 cumsum 或 rolling 这类函数，通常就是计算连续得分的。
补充提醒：“半场前” 可能是指第2节，也可能是指 “中场休息前的最后5分钟”，需要确认你的数据里 period 的编号（1-4节）而不是时钟上的半场（12分钟分界），把代码发我，我帮你精准定位。
