实用脚本统计撞墙式配合完成了几次？

wen 实用脚本 2026-09-16 3

本文目录导读：

实用脚本统计撞墙式配合完成了几次？

先说结论：最实用的方案
一个简化版 Python 脚本示例
但真实比赛里，还要加这些条件才更准
如果你只有视频，没有事件数据
如果你说的是篮球里的“撞墙式配合”
最实用建议
你可以直接复制的最简统计逻辑

“撞墙式配合”在足球里通常指 二过一（One-Two / Give-and-Go）。如果你想要一个实用脚本统计撞墙式配合完成了几次，关键不是“写一个脚本”这么简单，而是要先明确：

你用什么数据？ 不同数据源，统计方法完全不一样。

先说结论：最实用的方案

方案 A：你有事件数据（推荐）

StatsBomb、Opta、Wyscout、SkillCorner、车米、雷达数据等。

统计逻辑通常是：

找到球员 A 传球给球员 B
球员 B 在很短时间内一脚出球，传回给 A
且 A 接球后继续推进 / 成功接球
记为一次撞墙式配合

核心字段一般需要：

match_id
period
timestamp
player_id
team_id
event_type：pass / reception / carry
pass_recipient_id
x, y
end_x, end_y

一个简化版 Python 脚本示例

假设你有这样一份事件数据 events.csv：

match_id,period,timestamp,team_id,player_id,event_type,recipient_id,start_x,start_y,end_x,end_y
1,1,00:00:01,10,1001,pass,1002,30,40,45,50
1,1,00:00:02,10,1002,pass,1001,45,50,60,55
1,1,00:00:04,10,1003,pass,1004,20,30,35,35
1,1,00:00:05,10,1004,pass,1003,35,35,50,40

你可以用这个脚本统计：

import pandas as pd
# 读取事件数据
df = pd.read_csv("events.csv")
# 只保留传球事件
passes = df[df["event_type"] == "pass"].copy()
# 按时间排序
passes = passes.sort_values(["match_id", "period", "timestamp"]).reset_index(drop=True)
# 时间阈值：B 接球后多少秒内回传才算撞墙
TIME_THRESHOLD = 3.0  # 秒
def parse_time(t):
    """把 mm:ss 或 hh:mm:ss 转成秒"""
    parts = list(map(int, str(t).split(":")))
    if len(parts) == 2:
        return parts[0] * 60 + parts[1]
    elif len(parts) == 3:
        return parts[0] * 3600 + parts[1] * 60 + parts[2]
    return float(t)
passes["time_sec"] = passes["timestamp"].apply(parse_time)
one_two_count = 0
records = []
for i in range(len(passes) - 1):
    p1 = passes.iloc[i]
    p2 = passes.iloc[i + 1]
    # 必须同一场比赛、同一阶段、同一球队
    if not (
        p1["match_id"] == p2["match_id"]
        and p1["period"] == p2["period"]
        and p1["team_id"] == p2["team_id"]
    ):
        continue
    # 时间间隔
    dt = p2["time_sec"] - p1["time_sec"]
    if dt < 0 or dt > TIME_THRESHOLD:
        continue
    # 第一脚：A -> B
    # 第二脚：B -> A
    if p1["player_id"] == p2["recipient_id"] and p1["recipient_id"] == p2["player_id"]:
        one_two_count += 1
        records.append({
            "match_id": p1["match_id"],
            "period": p1["period"],
            "time": p1["timestamp"],
            "player_a": p1["player_id"],
            "player_b": p1["recipient_id"],
        })
print("撞墙式配合次数：", one_two_count)
print(pd.DataFrame(records))

这个脚本能统计：

A 传给 B，B 在 3 秒内又传回给 A 的次数。

但真实比赛里，还要加这些条件才更准

上面只是“基础版”，如果要做得更实用，建议加：

① 时间阈值

常见是：

5 秒内
2 秒内
3 秒内

太慢就不像撞墙了。

② 传球方向

真正的撞墙式配合通常有：

A 向前传
B 回做
A 继续前插接球

所以可以加：

# 第一脚传球向前
p1_forward = p1["end_x"] > p1["start_x"]
# 第二脚回传
p2_backward = p2["end_x"] < p2["start_x"]

③ 成功接球

如果第二脚传回后 A 没接到，就不该算“完成”。

需要接球事件或控球事件来验证。

④ 排除死球、定位球

界外球
角球
任意球
门将开球

这些一般不算运动战撞墙配合。

⑤ 排除同一次进攻中的连续反弹

避免把普通倒脚误判成撞墙。

如果你只有视频，没有事件数据

那就不能靠简单脚本了,需要：

目标检测：识别球员
跟踪：跟踪球员 ID
球检测：识别足球
传球识别：判断球从谁到谁
事件判定：判断是否 A->B->A

这类方案可以用：

YOLO + ByteTrack
SoccerNet
Roboflow Sports
OpenCV + 手动标注

但开发成本高很多,不如直接买/找事件数据。

如果你说的是篮球里的“撞墙式配合”

篮球里更接近的是：

手递手
挡拆后回传
传切配合
Give-and-Go

统计逻辑类似：

A 传球给 B
B 立刻回传给 A
A 接球后投篮/突破/继续进攻

只是字段会变成：

pass
assist
screen
handoff
cut

最实用建议

如果你要真做,我建议你按这个顺序：

第一步：确认数据源

你手里是：

CSV？
JSON？
StatsBomb？
Opta？
视频？
手动记录？

第二步：定义“完成”

必须明确：

几秒内回传？
要不要向前？
要不要成功接球？
要不要排除定位球？

第三步：写脚本

如果是事件数据,Python + pandas 最合适。

第四步：人工校验

先抽 10 个回合看脚本判得准不准，再调阈值。

你可以直接复制的最简统计逻辑

# 伪代码
count = 0
for each pass in match:
    if pass.player == A and pass.recipient == B:
        next_pass = get_next_pass()
        if next_pass.player == B and next_pass.recipient == A:
            if time_diff <= 3:
                count += 1
print(count)

如果你愿意,我可以直接帮你写一个完整可运行脚本。你只需要告诉我：

你的数据格式是什么？CSV / JSON / StatsBomb？
字段有哪些？
你说的“撞墙式配合”是足球、篮球还是别的？
你想按球员、球队、比赛统计，还是全场总数？

你把这几个信息发我,我可以给你一版能直接跑的代码。