综合实用脚本，高速跑动距离对比？

wen 实用脚本 2026-09-19 1

本文目录导读：

综合实用脚本，高速跑动距离对比？

综合实用脚本：高速跑动距离对比
如何适配你的真实数据？
进阶实用功能（可选添加）

“综合实用脚本，高速跑动距离对比”这个需求，通常出现在体育数据分析（如足球、篮球）、游戏角色测试或运动训练场景中，由于你没有提供具体的数据格式和运行环境，我为你准备了一个通用性极强的 Python 脚本框架。

这个脚本的核心功能是：

自动读取包含时间、速度、球员/角色ID的数据。
自定义高速阈值（大于 20 km/h 算作高速跑动）。
计算并对比不同对象（球员A vs 球员B，或本场 vs 上场）的高速跑动距离。
可视化输出对比结果。

你可以直接复制并根据你的数据列名修改即可使用。

综合实用脚本：高速跑动距离对比

适用场景：足球/篮球球员GPS背心数据、游戏角色移动测试、跑步训练分析。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
# ================= 配置区 =================
# 1. 高速跑动阈值 (单位：km/h)，足球通常取 19.8 或 20，篮球可取 16。
HIGH_SPEED_THRESHOLD = 20.0 
# 2. 采样间隔 (单位：秒)，假设数据是每秒记录一次。
TIME_INTERVAL_SEC = 1.0 
# 3. 数据文件路径 (CSV格式，需包含: 时间, 对象ID, 速度)
# 示例数据格式:
# timestamp, player_id, speed_kmh
# 0, A, 5.2
# 1, A, 21.5
# ...
DATA_FILE = 'gps_data.csv'
# ==========================================
def calculate_high_speed_distance(df, threshold, interval):
    """
    计算每个对象的高速跑动距离
    df: 包含 'player_id' 和 'speed_kmh' 的 DataFrame
    threshold: 高速阈值 (km/h)
    interval: 采样间隔 (秒)
    """
    # 筛选出高速跑动的数据
    high_speed_df = df[df['speed_kmh'] >= threshold].copy()
    # 计算每一条高速记录对应的距离 (km) = 速度(km/h) * (时间间隔/3600)
    high_speed_df['distance_km'] = high_speed_df['speed_kmh'] * (interval / 3600.0)
    # 按对象分组求和
    result = high_speed_df.groupby('player_id')['distance_km'].sum().reset_index()
    result.columns = ['对象ID', '高速跑动距离(km)']
    # 保留3位小数
    result['高速跑动距离(km)'] = result['高速跑动距离(km)'].round(3)
    return result
def generate_mock_data():
    """生成模拟数据用于演示，如果你有真实数据请忽略此函数"""
    np.random.seed(42)
    players = ['球员A', '球员B', '球员C']
    data = []
    for player in players:
        for t in range(3600): # 模拟1小时，每秒一个点
            # 模拟速度：大部分时间低速，偶尔冲刺
            base_speed = np.random.normal(5, 2) # 平均5km/h
            if np.random.random() > 0.9: # 10%的时间高速跑
                base_speed = np.random.normal(22, 3)
            base_speed = max(0, base_speed) # 速度不能为负
            data.append({'timestamp': t, 'player_id': player, 'speed_kmh': base_speed})
    return pd.DataFrame(data)
def plot_comparison(result_df):
    """绘制对比柱状图"""
    plt.figure(figsize=(10, 6))
    # 设置中文字体 (根据你的系统调整，Windows通常用SimHei，Mac用Arial Unicode MS)
    plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] 
    plt.rcParams['axes.unicode_minus'] = False
    bars = plt.bar(result_df['对象ID'], result_df['高速跑动距离(km)'], color=['#FF6B6B', '#4ECDC4', '#45B7D1'])
    # 在柱子上显示数值
    for bar in bars:
        yval = bar.get_height()
        plt.text(bar.get_x() + bar.get_width()/2, yval + 0.01, f'{yval} km', ha='center', va='bottom', fontsize=12)
    plt.title(f'高速跑动距离对比 (阈值: {HIGH_SPEED_THRESHOLD} km/h)', fontsize=16)
    plt.xlabel('对象', fontsize=14)
    plt.ylabel('高速跑动距离 (km)', fontsize=14)
    plt.grid(axis='y', linestyle='--', alpha=0.7)
    plt.tight_layout()
    plt.show()
def main():
    print("正在加载数据...")
    # 1. 加载数据 (如果没有文件，使用模拟数据)
    try:
        df = pd.read_csv(DATA_FILE)
        print(f"成功读取文件: {DATA_FILE}")
    except FileNotFoundError:
        print(f"未找到 {DATA_FILE}，正在生成模拟数据演示...")
        df = generate_mock_data()
    # 2. 计算高速跑动距离
    print(f"正在计算高速跑动距离 (阈值 >= {HIGH_SPEED_THRESHOLD} km/h)...")
    result = calculate_high_speed_distance(df, HIGH_SPEED_THRESHOLD, TIME_INTERVAL_SEC)
    # 3. 打印结果
    print("\n========== 高速跑动距离统计结果 ==========")
    print(result.to_string(index=False))
    print("==========================================")
    # 4. 可视化对比
    plot_comparison(result)
if __name__ == "__main__":
    main()

如何适配你的真实数据？

如果你的数据不是 player_id 和 speed_kmh，请修改 main() 函数中的读取部分：

场景1：数据是宽表（每列是一个球员，值是速度）

# 原始数据: timestamp, 球员A, 球员B
# 需要先转换为长表
df = pd.read_csv('your_data.csv')
df = df.melt(id_vars=['timestamp'], var_name='player_id', value_name='speed_kmh')

场景2：数据是坐标（X, Y），需要先算速度 如果你的数据只有坐标，没有速度，可以在脚本前面加一步：

# 假设有 x, y 列
df['dist'] = np.sqrt(df.groupby('player_id')['x'].diff()**2 + df.groupby('player_id')['y'].diff()**2)
df['speed_kmh'] = df['dist'] / TIME_INTERVAL_SEC * 3.6  # 米/秒 -> km/h

场景3：对比的是“不同时间段”而非“不同人” 你可以把 player_id 替换为 period（如：上半场、下半场），逻辑完全一样。