实用脚本如何评估三中卫体系的优缺点？

wen 实用脚本 2026-10-29 3

用数据脚本评估三中卫体系的优缺点

下面给你一套可落地的评估框架和脚本思路，覆盖数据采集→指标计算→优缺点判定→可视化输出全流程。

实用脚本如何评估三中卫体系的优缺点？

评估框架：先定义"优缺点"的可量化维度

三中卫体系（3-5-2 / 3-4-3 / 3-4-2-1）的核心特征是三中卫+翼卫,评估应围绕其结构性特点：

维度	体系优势方向	体系风险方向	关键指标
防守宽度	三中卫覆盖禁区	翼卫身后空当	对手边路进攻占比、传中成功率
进攻宽度	翼卫提供宽度	翼卫回防不及	翼卫触球热区、进攻三区触球
中场人数	中场3人控球	边路2v1被打穿	中场控球率、对抗成功率
转换防守	三中卫兜底	翼卫压上后反击	被反击失球、防守转换丢球
定位球	三中卫身高优势	定位球攻防xG

数据采集脚本（Python 示例）

import pandas as pd
import numpy as np
# 假设你已从 StatsBomb / Wyscout / 自建标注 拿到事件数据
# events: 每行一个事件，含 type, team, x, y, end_x, end_y, player, minute
def load_match(events, team_name):
    df = events.copy()
    df['is_team'] = df['team'] == team_name
    return df
# 1) 阵型识别：从首发/换人数据推断
def detect_formation(lineups):
    # lineups 含 position 字段，统计后卫人数
    defenders = lineups[lineups['position'].isin(['CB','LCB','RCB','SW'])]
    return f"{len(defenders)}-back"

核心指标计算脚本

def compute_metrics(df, team, opp):
    m = {}
    t = df[df['team']==team]
    o = df[df['team']==opp]
    # --- 进攻宽度：翼卫/边路触球占比 ---
    wing_touch = t[(t['type']=='Pass') & (t['x']>60) & ((t['y']<20)|(t['y']>60))]
    m['wide_attack_share'] = len(wing_touch) / max(len(t[t['x']>60]),1)
    # --- 防守漏洞：对手从边路发起的进攻 ---
    opp_wide = o[(o['x']<40) & ((o['y']<20)|(o['y']>60))]
    m['opp_wide_entry'] = len(opp_wide)
    # --- 转换防守：丢球后5秒内被反击 ---
    turnovers = t[t['type']=='Dispossessed']
    counters = 0
    for _, to in turnovers.iterrows():
        window = o[(o['minute']>=to['minute']) & (o['minute']<=to['minute']+0.1)]
        if len(window[window['type']=='Shot'])>0:
            counters += 1
    m['counter_conceded'] = counters
    # --- 中场控制：中场区域传球成功率 ---
    mid = t[(t['x'].between(35,65)) & (t['type']=='Pass')]
    m['mid_pass_acc'] = mid['success'].mean() if len(mid) else np.nan
    # --- 翼卫负荷：翼卫跑动/触球次数 ---
    # 需 player position 标注
    return m

优缺点判定脚本（阈值法 + 对比基线）

def evaluate(metrics, baseline):
    """baseline: 同联赛/同对手强度的四后卫体系均值"""
    report = {}
    # 优势判定
    if metrics['wide_attack_share'] > baseline['wide_attack_share']*1.1:
        report['进攻宽度'] = '优势：翼卫有效拉开宽度'
    if metrics['mid_pass_acc'] > baseline['mid_pass_acc']:
        report['中场控制'] = '优势：3中场传球更稳'
    # 风险判定
    if metrics['opp_wide_entry'] > baseline['opp_wide_entry']*1.15:
        report['边路防守'] = '风险：翼卫身后空当被利用'
    if metrics['counter_conceded'] > baseline['counter_conceded']:
        report['转换防守'] = '风险：压上后被反击'
    return report

可视化输出（快速定位问题）

import matplotlib.pyplot as plt
def plot_heat(df, team):
    t = df[(df['team']==team) & (df['type']=='Touch')]
    plt.hist2d(t['x'], t['y'], bins=[12,8], cmap='Reds')
    plt.title(f'{team} 触球热区')
    plt.colorbar(); plt.show()
# 对比三中卫 vs 四后卫的翼卫热区差异，直观看出覆盖范围