python案例看好的球队擅长什么打法？

用Python分析球队打法风格案例

下面给你一个完整可运行的Python案例，通过比赛数据（进球、控球、射门、传球、抢断等）判断一支球队擅长什么打法，用的是聚类 + 雷达图的思路,非常适合入门实战。

案例目标

输入一支球队的多项技术统计,输出它属于哪种打法风格：

数据准备

先用一份模拟的球队数据（真实项目可替换为 Opta / FBref / 懂球帝数据）：

import pandas as pd
import numpy as np
# 每行代表一支球队的一个赛季数据
data = {
    '球队': ['曼城', '利物浦', '皇马', '马竞', '拜仁', '切尔西', '阿森纳', '多特'],
    '控球率':       [65, 58, 55, 42, 62, 54, 60, 50],
    '传球成功率':   [90, 84, 86, 78, 88, 83, 87, 80],
    '长传比例':     [8, 12, 11, 22, 10, 15, 9, 18],
    '场均射门':     [17, 18, 15, 11, 16, 13, 15, 14],
    '场均抢断':     [14, 16, 13, 20, 12, 15, 13, 14],
    '前场抢断':     [8, 10, 6, 5, 7, 6, 8, 5],
    '场均传中':     [15, 20, 18, 10, 22, 19, 14, 21],
    '反击进球占比': [5, 12, 15, 25, 8, 13, 6, 10],
    '头球争顶成功率': [50, 55, 52, 60, 58, 54, 48, 62],
}
df = pd.DataFrame(data)
print(df)

关键步骤：标准化 + KMeans聚类

不同指标量纲不同，先标准化，再用聚类自动分出"打法类型"：

from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
features = ['控球率', '传球成功率', '长传比例', '场均射门',
            '场均抢断', '前场抢断', '场均传中', '反击进球占比', '头球争顶成功率']
X = df[features]
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
# 假设分3类（可根据肘部法调整）
kmeans = KMeans(n_clusters=3, random_state=42, n_init=10)
df['风格聚类'] = kmeans.fit_predict(X_scaled)
print(df[['球队', '风格聚类']])

给每个聚类"翻译"成打法风格

聚类结果只是 0/1/2，需要人肉/规则映射，这里用聚类中心特征自动解读：

# 查看每个聚类的平均特征（还原到原始量纲感官更好）
centers = pd.DataFrame(
    scaler.inverse_transform(kmeans.cluster_centers_),
    columns=features
).round(1)
print(centers)

假设输出类似：

自动命名逻辑：

def name_style(row):
    if row['控球率'] > 58 and row['传球成功率'] > 85:
        return '传控流'
    elif row['反击进球占比'] > 20 and row['长传比例'] > 18:
        return '防守反击/长传冲吊'
    elif row['前场抢断'] > 8 and row['场均传中'] > 18:
        return '高位逼抢+边路'
    else:
        return '均衡型'
# 用聚类中心匹配风格
style_map = {i: name_style(centers.iloc[i]) for i in range(len(centers))}
df['打法风格'] = df['风格聚类'].map(style_map)
print(df[['球队', '打法风格']])

输出示例：

    球队      打法风格
0   曼城       传控流
1  利物浦     高位逼抢+边路
2   皇马       均衡型
3   马竞  防守反击/长传冲吊
...

可视化：雷达图对比

选两支风格差异大的队（如曼城 vs 马竞）画雷达图：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文显示
plt.rcParams['axes.unicode_minus'] = False
def radar(team_row, color, label):
    values = team_row[features].values.astype(float)
    # 归一化到0-1便于对比
    values_norm = (values - X[features].min().values) / (X[features].max().values - X[features].min().values)
    angles = np.linspace(0, 2*np.pi, len(features), endpoint=False).tolist()
    values_norm = np.concatenate([values_norm, [values_norm[0]]])
    angles += angles[:1]
    ax.plot(angles, values_norm, color=color, label=label)
    ax.fill(angles, values_norm, color=color, alpha=0.15)
fig, ax = plt.subplots(figsize=(7,7), subplot_kw=dict(polar=True))
radar(df[df['球队']=='曼城'].iloc[0], 'skyblue', '曼城（传控）')
radar(df[df['球队']=='马竞'].iloc[0], 'red', '马竞（防反）')
ax.set_xticks(np.linspace(0, 2*np.pi, len(features), endpoint=False))
ax.set_xticklabels(features)
ax.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1))'球队打法风格雷达图')
plt.show()

雷达图上能一眼看出：曼城控球/传球凸出，马竞抢断/长传/反击凸出。

进阶思路（可交付真实项目）

1. 数据源：用 requests 抓取 FBref / Sofascore 的赛季统计,替换模拟数据。
2. 更多特征：PPDA（防守强度）、xG、边路进攻占比、场均跑动距离、进攻三区传球数。
3. 动态分析：按赛季/对手拆分，看同一球队风格演变（如瓜迪奥拉曼城从边后卫内收到伪9号的演化）。
4. 对阵克制：把两支球队的风格向量做相似度/互补分析，预测"谁克制谁"。
5. 可视化升级：用 mplsoccer 画球场热图、传球网络图,更贴近专业分析。

如果你有真实数据来源（比如某联赛一个赛季的球队统计），告诉我字段名,我可以帮你把上面的代码改成直接对接你数据的版本。