实用脚本统计撞墙式配合完成了几次？

wen 实用脚本 2026-10-12 1

本文目录导读：

实用脚本统计撞墙式配合完成了几次？

先定义“成功撞墙式配合”的规则
如果你有事件数据（推荐）
如果你只有追踪数据
如果你只有视频
更严谨的“成功”定义
你可以直接用的最小版本

“撞墙式配合”在足球里通常指 二过一（one-two）/ 踢墙配合：A 传给 B，B 不停球直接回做给 A，A 再接球推进。
如果你要“用脚本统计完成了几次”，关键不是写脚本本身，而是先定义什么算一次成功撞墙。

下面给你一个可落地的统计思路 + Python 示例脚本框架，你可以根据你手里的数据格式（事件数据、追踪数据、视频标注）替换。

先定义“成功撞墙式配合”的规则

建议至少满足：

球员 A 传球给球员 B
B 在很短时间内（如 0.5~2 秒内）直接回传/做球给 A
B 基本没有带球推进（触球次数很少，1 次）
A 接到回做球后，球权仍在本方
可选：A 接球后向前推进/突破，才算“成功完成”

如果太宽松,会把普通回传也算进去；太严格，会漏掉。

如果你有事件数据（推荐）

常见字段类似：

字段	含义
match_id	比赛
period	上/下半场
timestamp	时间
team_id	球队
player_id	球员
event_type	pass / reception / carry
receiver_id	接球人
x, y	位置
end_x, end_y	传球终点

判断逻辑

按时间排序后,扫描连续事件：

事件1：A 传球给 B
事件2：B 传球给 A
两者时间差 ≤ 阈值
两队相同
B 中间没有 carry / dribble / 被抢断
A 接到 B 的回传后，本方仍控球

Python 示例

import pandas as pd
# 读取事件数据
df = pd.read_csv("events.csv")
# 假设字段：
# match_id, period, timestamp, team_id, player_id, event_type, receiver_id, x, y, end_x, end_y
df = df.sort_values(["match_id", "period", "timestamp"]).reset_index(drop=True)
def is_wall_pass(ev1, ev2, max_gap=2.0):
    """
    判断 ev1, ev2 是否构成一次撞墙配合
    ev1: A -> B
    ev2: B -> A
    """
    # 1. 都是传球
    if ev1["event_type"] != "pass" or ev2["event_type"] != "pass":
        return False
    # 2. 同队
    if ev1["team_id"] != ev2["team_id"]:
        return False
    # 3. 时间差
    if ev2["timestamp"] - ev1["timestamp"] > max_gap:
        return False
    # 4. A -> B, B -> A
    a1 = ev1["player_id"]
    b1 = ev1["receiver_id"]
    b2 = ev2["player_id"]
    a2 = ev2["receiver_id"]
    if not (b1 == b2 and a1 == a2):
        return False
    return True
def count_wall_passes(df, max_gap=2.0):
    results = []
    n = len(df)
    i = 0
    while i < n - 1:
        ev1 = df.iloc[i]
        ev2 = df.iloc[i + 1]
        if is_wall_pass(ev1, ev2, max_gap=max_gap):
            results.append({
                "match_id": ev1["match_id"],
                "period": ev1["period"],
                "time": ev1["timestamp"],
                "player_a": ev1["player_id"],
                "player_b": ev1["receiver_id"],
                "team_id": ev1["team_id"]
            })
            i += 2  # 避免重复计数
        else:
            i += 1
    return pd.DataFrame(results)
wall_df = count_wall_passes(df, max_gap=2.0)
print("撞墙配合次数：", len(wall_df))
print(wall_df.head())
# 按球队统计
print(wall_df.groupby("team_id").size().sort_values(ascending=False))
# 按球员组合统计
print(wall_df.groupby(["player_a", "player_b"]).size().sort_values(ascending=False).head(10))

如果你只有追踪数据

追踪数据没有“传球事件”，就要自己检测：

检测球权归属变化
检测球从 A 附近移动到 B 附近
再快速回到 A 附近
中间 B 触球时间很短
球整体推进方向符合“撞墙”意图

伪逻辑：

找到球附近球员 A
球离开 A，接近 B
B 触球时间 < 0.4s
球快速返回 A
A 再次触球
=> 记一次撞墙

这种误判会比较多,通常要加：

最小传球距离
最大回传时间
防守球员距离
是否向前推进

如果你只有视频

那就需要：

目标检测：球员、球
跟踪：ID 分配
事件切分：传球/触球
再套上面的逻辑

常见工具：

YOLO + ByteTrack / DeepSORT
SoccerNet 数据集
SportsMOT
自标注事件

更严谨的“成功”定义

如果你要统计的是真正打成的撞墙配合，建议加这些条件：

A 回接后向前推进超过 3 米
或 A 回接后 3 秒内完成射门/关键传球
或这次配合让球队突破了一条防线
B 回做时没有停球调整
回做方向与 A 前进方向一致

否则“后卫互相倒脚”也可能被算进去。

你可以直接用的最小版本

如果你的数据就是简单表：

time,team,from,to
10.1,A,1,2
10.8,A,2,1
15.2,A,3,4
16.0,A,4,3

脚本：

import csv
rows = []
with open("passes.csv") as f:
    for row in csv.DictReader(f):
        rows.append(row)
count = 0
i = 0
while i < len(rows) - 1:
    p1 = rows[i]
    p2 = rows[i+1]
    same_team = p1["team"] == p2["team"]
    a_to_b = p1["from"] == p2["to"]
    b_to_a = p1["to"] == p2["from"]
    time_gap = float(p2["time"]) - float(p1["time"])
    if same_team and a_to_b and b_to_a and time_gap <= 2.0:
        count += 1
        i += 2
    else:
        i += 1
print("撞墙配合次数：", count)

统计“撞墙式配合完成了几次”，核心是：