实用脚本统计头球争顶成功率如何？

本文目录导读：

1. 统计口径定义
2. 方案1：Python + Pandas（本地CSV/Excel数据）
3. 方案2：调用 API（FBref / API-Football / Sofascore）
4. 方案3：SQL 版（数据库内统计）
5. 方案4：Excel 公式（无代码）
6. 实用增强点
7. 数据源建议

统计头球争顶成功率需要明确数据来源和统计口径,以下是几种实用脚本方案，覆盖不同场景：

统计口径定义

头球争顶成功率 = 争顶成功次数 / 争顶总次数 × 100%

关键字段通常包括：

• 球员ID/姓名
• 争顶总数（Aerial Duels）
• 争顶成功数（Aerial Duels Won）
• 比赛/赛季标识
• 位置、出场时间（用于过滤）

方案1：Python + Pandas（本地CSV/Excel数据）

import pandas as pd
def aerial_duel_success_rate(df, player_col='player', 
                             total_col='aerial_total', 
                             won_col='aerial_won',
                             min_duels=10):
    """
    统计头球争顶成功率
    min_duels: 最少争顶次数阈值，避免小样本偏差
    """
    df = df.copy()
    # 过滤小样本
    df = df[df[total_col] >= min_duels]
    # 计算成功率
    df['success_rate'] = (df[won_col] / df[total_col] * 100).round(2)
    # 按球员聚合（多场比赛汇总）
    result = df.groupby(player_col).agg(
        total_duels=(total_col, 'sum'),
        won_duels=(won_col, 'sum'),
        matches=(total_col, 'count')
    ).reset_index()
    result['success_rate'] = (result['won_duels'] / result['total_duels'] * 100).round(2)
    result = result.sort_values('success_rate', ascending=False)
    return result
# 使用示例
df = pd.read_csv('aerial_stats.csv')
rank = aerial_duel_success_rate(df)
print(rank.head(20))
rank.to_csv('aerial_success_ranking.csv', index=False)

方案2：调用 API（FBref / API-Football / Sofascore）

FBref（免费，需爬取）

import pandas as pd
import requests
def get_fbref_aerial(url):
    """url FBref 球员/球队 standard 页面"""
    tables = pd.read_html(url)
    # 找到含 'Aerial' 的表，具体索引需按页面调整
    df = tables[0]
    return df
# 示例：某球员赛季数据
# df = get_fbref_aerial('https://fbref.com/en/players/xxx/')

API-Football（付费，结构化好）

import requests
API_KEY = "your_key"
HEADERS = {"x-apisports-key": API_KEY}
def get_player_aerial(player_id, season=2023, league=39):
    url = "https://v3.football.api-sports.io/players"
    params = {"id": player_id, "season": season, "league": league}
    r = requests.get(url, headers=HEADERS, params=params).json()
    stats = r['response'][0]['statistics'][0]['duels']
    total = stats['total']
    won = stats['won']
    rate = won / total * 100 if total else 0
    return {"total": total, "won": won, "rate": round(rate, 2)}

方案3：SQL 版（数据库内统计）

SELECT 
    player_name,
    SUM(aerial_total) AS total_duels,
    SUM(aerial_won) AS won_duels,
    ROUND(SUM(aerial_won) * 100.0 / NULLIF(SUM(aerial_total), 0), 2) AS success_rate
FROM match_player_stats
WHERE season = '2024-25'
  AND aerial_total >= 10          -- 小样本过滤
GROUP BY player_name
HAVING SUM(aerial_total) >= 30    -- 赛季总样本阈值
ORDER BY success_rate DESC;

方案4：Excel 公式（无代码）

若数据在 Excel：

=IFERROR(D2/C2, 0)                    // 单场成功率
=SUMIF(A:A, "球员名", D:D)/SUMIF(A:A, "球员名", C:C)  // 汇总

或用数据透视表：行=球员，值=争顶成功/争顶总数，再添加计算字段。

实用增强点

1. 位置分组：中后卫/前锋争顶基线不同，建议分位置对比

   result = df.groupby(['position', player_col])...

2. 加权平均 vs 简单平均：多场汇总要用「总成功/总次数」，不能对每场成功率取平均
3. 对手强度修正：可按对手联赛/球队强度分层
4. 可视化：

   import matplotlib.pyplot as plt
   top10 = rank.head(10)
   plt.barh(top10['player'], top10['success_rate'])
   plt.xlabel('头球争顶成功率 (%)')
   plt.gca().invert_yaxis()
   plt.show()

数据源建议

需要我针对某个具体数据源（FBref 爬虫、某 API 的响应解析）写出完整可运行脚本吗？告诉我你的数据格式或来源即可。