根据python案例，二过一配合成功率如何？

wen python案例 2026-09-15 2

本文目录导读：

先定义什么叫“二过一成功”
Python 案例框架
真实数据中二过一成功率大概是多少？
影响成功率的关键因素
总结一句话

在足球数据分析中，“二过一配合”通常需要事件数据（如传球、跑动、接球）来识别，如果你用的是 Python 做案例，一般会按下面这个思路来算成功率,下面我给你一个可直接套用的框架和示例。

先定义什么叫“二过一成功”

足球数据里没有天然的“二过一”标签，所以要自己定义,常见定义有两种：

定义 A（严格）

A 传球给 B
B 不停球直接回做给前插的 A
A 接到球 → 成功
中间被断、传丢、A 没接到 → 失败

定义 B（宽松）

两人之间连续两次传球，且第二次传球后球权仍在原队
不要求必须“一脚出球”

下面用定义 A 来写代码。

Python 案例框架

假设你有一份事件数据 events_df,字段类似：

字段	含义
match_id	比赛ID
team	球队
player	球员
event_type	事件类型（pass/reception/interception...）
receiver	接球人
minute	分钟
second	秒
success	是否成功

识别二过一组合

import pandas as pd
# 只保留传球事件
passes = events_df[events_df['event_type'] == 'pass'].copy()
passes = passes.sort_values(['match_id', 'minute', 'second'])
one_twos = []
for match_id, group in passes.groupby('match_id'):
    group = group.reset_index(drop=True)
    for i in range(len(group) - 1):
        p1 = group.loc[i]      # A -> B
        p2 = group.loc[i + 1]  # B -> A
        # 条件1：同一队
        if p1['team'] != p2['team']:
            continue
        # 条件2：第一次传球接球人 = 第二次传球人
        if p1['receiver'] != p2['player']:
            continue
        # 条件3：第二次传球接球人 = 第一次传球人（回做给A）
        if p2['receiver'] != p1['player']:
            continue
        # 条件4：时间间隔很短（比如2秒内），体现“二过一”快速配合
        time1 = p1['minute'] * 60 + p1['second']
        time2 = p2['minute'] * 60 + p2['second']
        if time2 - time1 > 3:
            continue
        one_twos.append({
            'match_id': match_id,
            'team': p1['team'],
            'player_a': p1['player'],
            'player_b': p1['receiver'],
            'success': p2['success']  # 第二次传球是否成功
        })
one_twos_df = pd.DataFrame(one_twos)

计算成功率

if len(one_twos_df) > 0:
    success_rate = one_twos_df['success'].mean()
    print(f"二过一总次数: {len(one_twos_df)}")
    print(f"二过一成功率: {success_rate:.2%}")
else:
    print("未识别到二过一配合")

按球队统计

team_stats = one_twos_df.groupby('team').agg(
    尝试次数=('success', 'count'),
    成功次数=('success', 'sum'),
    成功率=('success', 'mean')
).sort_values('成功率', ascending=False)
print(team_stats)

按球员组合统计

pair_stats = one_twos_df.groupby(['player_a', 'player_b']).agg(
    尝试次数=('success', 'count'),
    成功率=('success', 'mean')
).query('尝试次数 >= 3').sort_values('成功率', ascending=False)
print(pair_stats.head(10))

真实数据中二过一成功率大概是多少？

如果你用的是 StatsBomb / Opta / Wyscout 这类事件数据，按严格定义（一脚回做 + 3秒内 + 成功接到）,通常结果是：

范围	成功率
全联赛平均	55% ~ 70%
顶级球队	65% ~ 75%
普通球队	50% ~ 62%
前场危险区域	略低，45% ~ 60%（防守密集）
后场/中场	略高，65% ~ 78%

注意：这个数字高度依赖你的“成功”定义，如果只算“第二次传球没被断”，成功率会偏高；如果要求“接球后还能继续推进或形成射门”，会降到 30% ~ 45%。

影响成功率的关键因素

用 Python 可以做逻辑回归或分组统计：

# 示例：按区域统计
one_twos_df['zone'] = pd.cut(
    one_twos_df['x'],
    bins=[0, 40, 80, 120],
    labels=['后场', '中场', '前场']
)
print(one_twos_df.groupby('zone')['success'].mean())