综合赛后python案例，进攻效率谁更高效？

wen python案例 2026-09-19 6

本文目录导读：

引言：当“进攻效率”变成一道Python题
数据准备：从赛后统计到DataFrame
核心指标：进攻效率到底怎么算？
Python案例实战：谁才是真正的效率之王？
可视化排名：一张图看懂差距
常见问答（FAQ）
结论：高效进攻的“数据真相”

综合赛后Python案例：进攻效率谁更高效？从数据清洗到可视化排名全解析**

目录导读

引言：当“进攻效率”变成一道Python题
数据准备：从赛后统计到DataFrame
核心指标：进攻效率到底怎么算？
Python案例实战：谁才是真正的效率之王？
可视化排名：一张图看懂差距
常见问答（FAQ）
高效进攻的“数据真相”

引言：当“进攻效率”变成一道Python题

一场比赛结束后，球迷常说“A队进攻更流畅”“B队得分爆发力更强”，但如果把“进攻效率”交给Python,结论可能和直觉完全不同。

所谓“综合赛后”，指的是把投篮、罚球、失误、助攻、回合数等赛后统计综合在一起，而不是只看总得分，总得分高，可能只是回合多；命中率高，也可能只是出手少，真正的进攻效率，要看每个回合能拿多少分。

这篇文章将用一个完整的Python案例，带你从原始赛后数据出发，计算进攻效率，做可视化排名，并回答一个关键问题：进攻效率谁更高效？

数据准备：从赛后统计到DataFrame

先构造一份模拟的赛后综合数据，实际应用中,你可以把CSV文件换成自己采集的赛后统计。

import pandas as pd
data = {
    "球队": ["雷霆", "凯尔特人", "掘金", "骑士", "尼克斯", "森林狼"],
    "得分": [118, 121, 115, 112, 108, 110],
    "投篮出手": [89, 92, 86, 84, 90, 88],
    "投篮命中": [47, 50, 45, 43, 44, 46],
    "罚球出手": [24, 20, 28, 18, 22, 26],
    "罚球命中": [20, 18, 23, 15, 18, 21],
    "失误": [12, 10, 14, 11, 15, 13],
    "助攻": [26, 30, 24, 22, 20, 25],
    "回合数": [98, 100, 96, 94, 99, 97]
}
df = pd.DataFrame(data)
print(df)

这份数据里，每支球队的得分、出手、失误、回合数都不同，如果只看得分，凯尔特人121分最高；但进攻效率未必如此。

核心指标：进攻效率到底怎么算？

进攻效率通常有两种常见口径：

每百回合得分（Offensive Rating）：得分 / 回合数 × 100
真实命中率（TS%）：得分 / (2 × (投篮出手 + 0.44 × 罚球出手))

前者衡量球队整体进攻产出，后者衡量投篮质量，综合赛后分析,建议两者都看。

df["每百回合得分"] = df["得分"] / df["回合数"] * 100
df["真实命中率"] = df["得分"] / (2 * (df["投篮出手"] + 0.44 * df["罚球出手"]))
df["助攻失误比"] = df["助攻"] / df["失误"]
df_sorted = df.sort_values("每百回合得分", ascending=False)
print(df_sorted[["球队", "每百回合得分", "真实命中率", "助攻失误比"]])

运行后你会发现，得分最高的凯尔特人未必每百回合得分最高，因为雷霆回合数更少，但得分不低,每百回合得分可能反超。

Python案例实战：谁才是真正的效率之王？

假设运行结果如下（模拟）：

球队	每百回合得分	真实命中率	助攻失误比
雷霆	4	582	17
凯尔特人	0	590	00
掘金	8	576	71
骑士	1	571	00
尼克斯	1	543	33
森林狼	4	558	92

从每百回合得分看，凯尔特人121.0略高于雷霆120.4，但差距极小，真实命中率凯尔特人0.590也最高，说明他们出手选择更优，助攻失误比凯尔特人3.00远超其他队,说明进攻组织更稳。

但雷霆的每百回合得分紧咬凯尔特人，且回合数更少，说明他们打得更“经济”,如果综合三项指标做加权评分：

from sklearn.preprocessing import MinMaxScaler
metrics = ["每百回合得分", "真实命中率", "助攻失误比"]
scaler = MinMaxScaler()
df_scaled = pd.DataFrame(scaler.fit_transform(df[metrics]), columns=metrics)
df["综合进攻效率"] = df_scaled.mean(axis=1)
print(df.sort_values("综合进攻效率", ascending=False)[["球队", "综合进攻效率"]])

综合结果可能是：凯尔特人第一，雷霆第二，掘金第三，也就是说，凯尔特人进攻效率更高效，但雷霆紧随其后，差距并不悬殊。

可视化排名：一张图看懂差距

import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
df_plot = df.sort_values("每百回合得分")
plt.barh(df_plot["球队"], df_plot["每百回合得分"], color="steelblue")
plt.xlabel("每百回合得分")"综合赛后进攻效率排名")
plt.tight_layout()
plt.show()

这张图能直观看出：凯尔特人和雷霆处于第一梯队，掘金和骑士紧随其后，尼克斯明显落后，如果再把真实命中率做成散点图，你会发现凯尔特人不仅效率高,而且投篮质量也高。