根据赛后python案例，进攻套路是否单一？

wen python案例 2026-10-23 4

本文目录导读：

先明确“进攻套路单一”在数据上怎么定义
用 Python 怎么量化（常见做法）
结论性判断逻辑
需要你补充的信息

你提到的“赛后python案例”应该是指用 Python 做赛后数据分析的案例（比如足球/篮球比赛的技术统计、事件数据分析），不过你没有贴具体代码和数据，所以我只能基于常见的赛后 Python 分析框架来回答“进攻套路是否单一”这个问题,并给出可操作的判断方法。

先明确“进攻套路单一”在数据上怎么定义

通常从以下几个维度判断,而不是凭感觉：

维度	单一的表现	丰富的表现
进攻发起区域	高度集中在某一侧/某一区域	分布均匀或多点开花
进攻方式	大量长传冲吊 / 只打边路 / 只靠个人突破	边中结合、阵地战+反击并存
传球网络	少数几个节点垄断球权	多节点参与、传球路径多样
射门来源	射门集中在少数套路（如定位球、远射）	禁区内多点、运动战+定位球均衡
进攻序列	进攻回合长度/模式高度重复	回合模式多样

用 Python 怎么量化（常见做法）

进攻区域分布熵

import numpy as np
from collections import Counter
def attack_entropy(zones):
    # zones: 每次进攻发起/结束的区域标签列表
    counts = Counter(zones)
    probs = np.array(list(counts.values())) / len(zones)
    return -np.sum(probs * np.log2(probs))

熵值低 → 进攻区域集中 → 套路单一
熵值高 → 分布分散 → 套路多样

进攻方式占比

import pandas as pd
df = pd.read_csv("attacks.csv")  # 含 attack_type 列
print(df["attack_type"].value_counts(normalize=True))

如果某一类（如“边路传中”）占比 > 50%~60%,基本可判定套路偏单一。

传球网络集中度

# 用 networkx 算球权集中度
import networkx as nx
G = nx.from_pandas_edgelist(passes, "passer", "receiver", edge_attr="count")
centrality = nx.degree_centrality(G)
print(sorted(centrality.items(), key=lambda x: -x[1])[:5])

若前 2~3 名球员占据绝大部分传球权重 → 进攻组织点单一。

射门来源多样性

shots.groupby("shot_type").size().plot(kind="bar")

看是否过度依赖某一种射门方式（定位球、远射、反击单刀等）。

进攻回合模式聚类

from sklearn.cluster import KMeans
# 把每个进攻回合编码为特征向量（时长、传球次数、推进距离、是否边路等）
kmeans = KMeans(n_clusters=4).fit(X)
print(np.bincount(kmeans.labels_) / len(X))

70%+ 的回合落在同一个簇 → 套路高度重复。