实用脚本统计扑救次数门将谁更忙？

wen 实用脚本 2026-08-14 4

本文目录导读：

实用脚本统计扑救次数门将谁更忙？

方案一：基于 Python + 免费 API（最推荐，适合联赛统计）
方案二：基于 CSV/Excel 历史数据（适合分析师）
方案三：网页即时抓取（针对特定比赛）
关于“谁更忙”的结论标准

这是一个非常实用且有趣的数据分析问题，要回答“谁更忙”，我们需要先定义一个“忙”的标准化口径,然后通过脚本去抓取或处理数据。

单纯看“扑救次数”往往不全面，因为门将面对弱旅可能全场无事可做（0扑救），面对强队可能被射30脚（虽败犹荣）。

以下是针对不同数据来源（API、Excel/CSV、即时抓取）的实用脚本方案。

基于 Python + 免费 API（最推荐，适合联赛统计）

这个方案使用 requests 库调用开放API（以 api-football 为例，需免费Token），计算“场均高强度扑救”和“射正/扑救比”，来评估谁是真正的“忙碌先生”。

核心逻辑： 忙碌度 = 扑救次数 (Saves) + 击出球 (Punches) + 出击解围 (High Claims)，再除以 比赛场次，同时参考 失球数。

import requests
import json
from statistics import mean
# 1. 配置（请替换为你的API Token）
API_KEY = "你的_free_token"
HEADERS = {"x-apisports-key": API_KEY}
# 以2023-2024赛季英超为例
LEAGUE_ID = 39
SEASON = "2023"
def get_standings():
    """获取球队ID列表"""
    url = f"https://v3.football.api-sports.io/standings?league={LEAGUE_ID}&season={SEASON}"
    resp = requests.get(url, headers=HEADERS).json()
    teams = []
    if resp.get("results"):
        for team_info in resp["response"][0]["league"]["standings"][0]:
            teams.append({"id": team_info["team"]["id"], "name": team_info["team"]["name"]})
    return teams
def get_goalkeeper_stats(team_id):
    """获取该队门将的详细扑救数据（需按球员搜索）"""
    # 方法：获取球队球员，筛选位置为Goalkeeper
    url = f"https://v3.football.api-sports.io/players?team={team_id}&season={SEASON}"
    resp = requests.get(url, headers=HEADERS).json()
    gk_stats = {}
    if resp.get("results"):
        for player in resp["response"]:
            p = player["player"]
            stat = player["statistics"][0]
            if stat["games"]["position"] == "Goalkeeper":
                # 关键指标抓取
                gk_stats["name"] = p["name"]
                gk_stats["saves"] = stat.get("goals", {}).get("saves", 0)  # 扑救
                gk_stats["conceded"] = stat.get("goals", {}).get("conceded", 0)
                gk_stats["matches"] = stat.get("appearences", 0)  # 出场
                gk_stats["clean_sheets"] = stat.get("clean_sheet", 0)
                gk_stats["punches"] = stat.get("penalty", {}).get("saved", 0)  # 示意，真实字段可能不同
                # 防止API字段差异，这里做安全get
                break  # 只取主力门将
    return gk_stats
def analyze(team_name):
    """主分析函数"""
    teams = get_standings()
    target = next((t for t in teams if t["name"] == team_name), None)
    if not target:
        return None
    stats = get_goalkeeper_stats(target["id"])
    if not stats or stats["matches"] == 0:
        return None
    # 核心忙碌指数计算：每90分钟扑救数 + 失球数（失球越多越忙，因为面对压力大）
    busy_index = (stats["saves"] + stats["conceded"]) / stats["matches"]
    return {
        "team": team_name,
        "player": stats["name"],
        "总扑救": stats["saves"],
        "场均扑救": round(stats["saves"] / stats["matches"], 2),
        "总失球": stats["conceded"],
        "忙碌指数": round(busy_index, 2)
    }
if __name__ == "__main__":
    # 示例：对比两队门将
    for team in ["Manchester City", "Luton"]:
        result = analyze(team)
        print(json.dumps(result, ensure_ascii=False, indent=2))

基于 CSV/Excel 历史数据（适合分析师）

如果你手头有包含“射正”、“扑救”、“失球”的表格，可以用 Pandas 快速算出“扑救率”和“场均扑救”。

import pandas as pd
# 假设你有一个goalkeeper_stats.csv，包含列：Player, Team, Saves, GoalsConceded, ShotsOnTarget, MatchesPlayed
df = pd.read_csv("gk_data.csv")
# 1. 基础筛选：只保留出场超过10场的门将（避免偶然性）
df = df[df["MatchesPlayed"] >= 10]
# 2. 计算核心指标
# 扑救率：扑救 / 射正（射正包含被扑出和进球）
df["Save_Percentage"] = df["Saves"] / (df["Saves"] + df["GoalsConceded"]) * 100
# 忙碌程度：场均面对射正数（射正门将是不可能无视的）
df["Shots_Confronted_Per_Game"] = (df["Saves"] + df["GoalsConceded"]) / df["MatchesPlayed"]
# 3. 排序输出
# 谁是“最忙”？——场均面对射正最多的
busiest = df.sort_values("Shots_Confronted_Per_Game", ascending=False).head(10)
print("忙碌榜（场均面对射正）：")
print(busiest[["Player", "Team", "Shots_Confronted_Per_Game", "Save_Percentage"]])
# 4. 额外分析：谁是“被射多但扑得也多”的高危门将（典型弱队门神）
print("\n扑救绝对次数最高（但可能说明防线差）：")
print(df.sort_values("Saves", ascending=False).head(5)[["Player", "Team", "Saves"]])

网页即时抓取（针对特定比赛）

如果你想在赛后5分钟知道谁更忙，可以用 requests + BeautifulSoup 抓取SofaScore或FlashScore。

# 简单示例（伪代码，需处理动态加载）
import requests
from bs4 import BeautifulSoup
def fetch_match_stats(match_url):
    r = requests.get(match_url, headers={"User-Agent": "Mozilla/5.0"})
    soup = BeautifulSoup(r.text, "html.parser")
    # 以SofaScore为例，数据在JSON里，这里用正则提取（简化版）
    data = soup.find("script", {"id": "__NEXT_DATA__"}).string
    import json
    json_data = json.loads(data)
    # 找到门将的扑救统计（路径因网站而异）
    home_gk = json_data['props']['pageProps']['match']['homeTeam']['goalkeepers'][0]
    away_gk = json_data['props']['pageProps']['match']['awayTeam']['goalkeepers'][0]
    return (f"{home_gk['name']}: {home_gk['saves']}扑救, {home_gk['goalsConceded']}失球",
            f"{away_gk['name']}: {away_gk['saves']}扑救, {away_gk['goalsConceded']}失球")
# 使用示例
# print(fetch_match_stats("https://www.sofascore.com/team/football/2024"))

谁更忙”的结论标准

绝对扑救数：适合判断门将的工作量（但可能因为防线失位导致）。
场均扑救数：最常用的“忙碌”指标。场均扑救 > 4.0 的通常是被射成筛子的“射正王”，场均扑救在 2-3 次 属于中上游球队的稳定门将。
扑救成功率：这个不是衡量“忙”，而是衡量“忙中不出错”，如果有人场均被射10次且扑出9个，那他比一个场均被射1次扑出1个的更“值得MVP”。

总结脚本输出逻辑建议： 无论用哪种脚本,最终建议在输出时排序优先级为：

场均扑救 > 场均失球 > 扑救成功率

这样可以精准找出那些“虽然丢球多但其实是我方防线太坑”的最忙碌门将。

如果你有具体的联赛数据源或文件，可以发一下结构,我可以帮你写精准的匹配脚本。