综合python案例，抢断次数差距大吗？

wen python案例 2026-09-16 1

综合Python案例：抢断次数差距分析

你这个问题缺少具体的数据背景,我猜你是在做篮球数据分析（比如NBA球员数据），想分析球员之间的抢断（Steals）次数差距是否显著。

下面给一个完整的Python分析案例,你可以把数据替换成自己的。

完整示例代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
# 解决中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# ========== 1. 模拟数据（替换成你的真实数据）==========
np.random.seed(42)
data = {
    '球员': [f'球员{i}' for i in range(1, 21)],
    '球队': np.random.choice(['湖人', '勇士', '凯尔特人', '掘金'], 20),
    '抢断次数': np.random.randint(10, 120, 20),
    '出场次数': np.random.randint(40, 82, 20)
}
df = pd.DataFrame(data)
df['场均抢断'] = (df['抢断次数'] / df['出场次数']).round(2)
print("=" * 50)
print("数据预览：")
print(df.head())
# ========== 2. 描述性统计 ==========
print("\n" + "=" * 50)
print("抢断次数描述性统计：")
print(df['抢断次数'].describe())
# ========== 3. 差距量化 ==========
max_val = df['抢断次数'].max()
min_val = df['抢断次数'].min()
mean_val = df['抢断次数'].mean()
std_val = df['抢断次数'].std()
cv = std_val / mean_val  # 变异系数
print("\n" + "=" * 50)
print(f"最大值：{max_val}")
print(f"最小值：{min_val}")
print(f"极差（最大-最小）：{max_val - min_val}")
print(f"平均值：{mean_val:.2f}")
print(f"标准差：{std_val:.2f}")
print(f"变异系数 CV：{cv:.2f}  →  {'差距较大' if cv > 0.3 else '差距较小'}")
# ========== 4. 分组对比（按球队）==========
print("\n" + "=" * 50)
print("各球队抢断次数统计：")
group_stats = df.groupby('球队')['抢断次数'].agg(['mean', 'std', 'min', 'max', 'count'])
print(group_stats)
# ========== 5. 方差分析（ANOVA）判断组间差异是否显著 ==========
groups = [g['抢断次数'].values for _, g in df.groupby('球队')]
f_stat, p_value = stats.f_oneway(*groups)
print("\n" + "=" * 50)
print(f"ANOVA F统计量：{f_stat:.3f}")
print(f"P值：{p_value:.4f}")
if p_value < 0.05:
    print("→ 不同球队间抢断次数差异【显著】")
else:
    print("→ 不同球队间抢断次数差异【不显著】")
# ========== 6. 可视化 ==========
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
# 箱线图
sns.boxplot(x='球队', y='抢断次数', data=df, ax=axes[0, 0])
axes[0, 0].set_title('各球队抢断次数分布（箱线图）')
# 直方图
axes[0, 1].hist(df['抢断次数'], bins=10, color='skyblue', edgecolor='black')
axes[0, 1].axvline(mean_val, color='red', linestyle='--', label=f'均值={mean_val:.1f}')
axes[0, 1].set_title('抢断次数分布直方图')
axes[0, 1].legend()
# 条形图：球员排名
df_sorted = df.sort_values('抢断次数', ascending=True)
axes[1, 0].barh(df_sorted['球员'], df_sorted['抢断次数'], color='coral')
axes[1, 0].set_title('各球员抢断次数排名')
# 散点图：出场次数 vs 抢断次数
sns.scatterplot(x='出场次数', y='抢断次数', hue='球队', data=df, ax=axes[1, 1], s=100)
axes[1, 1].set_title('出场次数 vs 抢断次数')
plt.tight_layout()
plt.savefig('steals_analysis.png', dpi=100)
plt.show()

如何判断"差距大不大"

指标	判断标准
极差	最大值-最小值，看绝对差距
标准差	数值越大，波动越大
变异系数 CV	CV<0.15 差距小；0.15~0.3 中等；>0.3 差距大
ANOVA P值	P<0.05 → 组间差异显著
箱线图	目视箱体是否重叠