python案例怎么看两队的战术纪律性对比？

Python案例：两队战术纪律性对比分析

战术纪律性可以从多个维度量化,下面给你一个完整的分析框架和代码案例。

战术纪律性的量化指标

完整代码案例

数据准备（模拟数据）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from math import pi
# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 模拟两队数据
data = {
    '指标': ['犯规次数', '黄牌数', '红牌数', '越位次数', 
             '传球成功率', '传球失误率', '阵型保持度', 
             '高强度跑动占比', '射门转化率', '防守站位评分'],
    'A队': [12, 3, 0, 4, 0.87, 0.13, 0.82, 0.68, 0.18, 8.2],
    'B队': [18, 5, 1, 7, 0.79, 0.21, 0.71, 0.55, 0.11, 6.8]
}
df = pd.DataFrame(data)
df['差值(B-A)'] = df['B队'] - df['A队']
print(df)

归一化处理（统一到0-1，越大越好）

def normalize(df, reverse_cols=None):
    """reverse_cols: 需要反向的列（越小越好，如犯规数）"""
    result = df.copy()
    for col in ['A队', 'B队']:
        col_min, col_max = df[col].min(), df[col].max()
        result[col + '_norm'] = (df[col] - col_min) / (col_max - col_min)
        # 反向指标
        if reverse_cols and col in ['A队', 'B队']:
            mask = df['指标'].isin(reverse_cols)
            result.loc[mask, col + '_norm'] = 1 - result.loc[mask, col + '_norm']
    return result
reverse_cols = ['犯规次数', '黄牌数', '红牌数', '越位次数', '传球失误率']
df_norm = normalize(df, reverse_cols)
print(df_norm[['指标', 'A队_norm', 'B队_norm']])

雷达图对比

categories = df['指标'].tolist()
N = len(categories)
angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]
fig, ax = plt.subplots(figsize=(9, 9), subplot_kw=dict(polar=True))
for team, color in [('A队', '#1f77b4'), ('B队', '#d62728')]:
    values = df_norm[team + '_norm'].tolist()
    values += values[:1]
    ax.plot(angles, values, 'o-', linewidth=2, label=team, color=color)
    ax.fill(angles, values, alpha=0.25, color=color)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories, fontsize=11)
ax.set_title('A队 vs B队 战术纪律性雷达图\n(越靠外=纪律性越好)', size=14, pad=20)
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.0))
plt.tight_layout()
plt.show()

综合纪律性评分

# 计算综合纪律性得分
df_norm['A队_得分'] = df_norm['A队_norm']
df_norm['B队_得分'] = df_norm['B队_norm']
score_A = df_norm['A队_得分'].mean()
score_B = df_norm['B队_得分'].mean()
print(f"A队综合战术纪律性得分: {score_A:.3f}")
print(f"B队综合战术纪律性得分: {score_B:.3f}")
print(f"胜者: {'A队' if score_A > score_B else 'B队'}")

分维度柱状图对比

fig, ax = plt.subplots(figsize=(12, 6))
x = np.arange(len(categories))
width = 0.35
ax.bar(x - width/2, df_norm['A队_norm'], width, label='A队', color='#1f77b4')
ax.bar(x + width/2, df_norm['B队_norm'], width, label='B队', color='#d62728')
ax.set_xticks(x)
ax.set_xticklabels(categories, rotation=30, ha='right')
ax.set_ylabel('归一化纪律性得分')
ax.set_title('各维度战术纪律性对比')
ax.legend()
ax.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

文本结论输出

print("=" * 50)
print("战术纪律性对比结论")
print("=" * 50)
for _, row in df.iterrows():
    indicator = row['指标']
    a, b = row['A队'], row['B队']
    diff = b - a
    reverse = indicator in reverse_cols
    better = 'A队' if (diff > 0) == reverse else 'B队'
    print(f"{indicator}: A队={a} | B队={b}  →  {better}更优")
print("\n" + "=" * 50)
print(f"综合评分: A队={score_A:.3f}  B队={score_B:.3f}")

真实场景如何获取数据

示例：从 FBref 抓取

import requests
from bs4 import BeautifulSoup
# 获取比赛统计（示意）
url = "https://fbref.com/en/matches/xxxxx"
# 解析表格 → 提取犯规、黄牌、传球成功率等

进阶分析思路

1. 位置纪律分析：用位置追踪数据计算球员平均站位偏移量（阵型松散度）

   # 每名球员位置标准差 → 越小越守纪律
   player_position_std = tracking_data.groupby('player')['x'].std()

2. 传球网络分析：用 networkx 分析传球是否符合战术结构

   import networkx as nx
   G = nx.from_pandas_edgelist(pass_data, 'passer', 'receiver', 
                                edge_attr='count')
   # 计算中心性 → 谁是战术核心

3. 时间序列分析：纪律性在比赛不同阶段的变化

   df.groupby('time_period')[['犯规', '传球成功率']].mean().plot()

关键结论维度

分析完可以回答这些问题：

• ✅ 哪队犯规更少、位置保持更好？
• ✅ 哪队传球执行教练意图更彻底？
• ✅ 哪队在落后时是否依然坚持战术？
• ✅ 哪队的高强度跑动更有"性价比"？

需要我针对某个具体联赛/球队做实例分析，或者深入某个子模块（如传球网络、位置追踪）吗？