python案例怎么看两队的中场控制力对比？

wen python案例 2026-11-01 3

用Python分析两队中场控制力对比

中场控制力是足球分析中的核心指标，下面给出一个完整的案例框架，从数据获取 → 指标构建 → 可视化对比。

中场控制力的核心指标

维度	指标	说明
控球	控球率、中场三区传球占比	球权掌握
传球	传球成功率、向前传球比例、推进距离	组织能力
对抗	中场抢断、拦截、夺回球权次数	防守控制
推进	Progressive Passes、Carries	由守转攻
位置	中场球员平均触球热区	空间控制

模拟数据示例（可直接运行）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 中文显示
matplotlib.rcParams['axes.unicode_minus'] = False
# 模拟两队中场数据（真实场景可用 StatsBomb / FBref / Opta 抓取）
data = {
    '指标': ['控球率(%)', '中场传球成功率(%)', '向前传球占比(%)',
             '中场抢断次数', '拦截次数', '夺回球权次数',
             '渐进传球(Prog Passes)', '中场触球占比(%)'],
    'A队': [58, 89, 34, 12, 9, 41, 62, 55],
    'B队': [42, 82, 27, 8, 6, 33, 45, 45],
}
df = pd.DataFrame(data).set_index('指标')
# 归一化到 0-1 便于雷达图对比
norm = df.div(df.max(axis=1), axis=0)
# ---------- 雷达图 ----------
labels = df.index.tolist()
angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False).tolist()
angles += angles[:1]
fig, ax = plt.subplots(figsize=(7, 7), subplot_kw=dict(polar=True))
for team, color in zip(['A队', 'B队'], ['#e63946', '#1d3557']):
    vals = norm[team].tolist()
    vals += vals[:1]
    ax.plot(angles, vals, color=color, linewidth=2, label=team)
    ax.fill(angles, vals, color=color, alpha=0.25)
ax.set_xticks(angles[:-1])
ax.set_xticklabels(labels, fontsize=9)
ax.set_yticklabels([])
ax.set_title('两队中场控制力雷达对比', fontsize=14, pad=20)
ax.legend(loc='upper right', bbox_to_anchor=(1.25, 1.1))
plt.tight_layout()
plt.show()
# ---------- 综合控制力指数 ----------
# 加权评分（权重可根据战术偏好调整）
weights = {
    '控球率(%)': 0.15, '中场传球成功率(%)': 0.20, '向前传球占比(%)': 0.15,
    '中场抢断次数': 0.10, '拦截次数': 0.10, '夺回球权次数': 0.10,
    '渐进传球(Prog Passes)': 0.15, '中场触球占比(%)': 0.05,
}
score = (norm.T * pd.Series(weights)).T.sum()
print("\n综合中场控制力指数：")
print(score.round(3))

真实数据获取路径

# 方案1：FBref（免费，需爬虫或直接用 soccerdata 库）
# pip install soccerdata
import soccerdata as sd
fbref = sd.FBref(leagues="ENG-Premier League", seasons="2023-2024")
stats = fbref.read_team_season_stats(stat_type="passing")
# 再筛选 midfield 三区数据
# 方案2：StatsBomb 免费开放数据（事件级，可精确划分中场区域）
# from statsbombpy import sb
# events = sb.events(match_id=xxxx)
# 通过 event['location'] 的 x 坐标过滤 1/3~2/3 区域
# 方案3：Understat（xG/xA 视角）

进阶分析思路

传球网络图（Pass Network）：用 mplsoccer 画中场球员间的传球网络，节点大小=触球数，边粗细=传球次数，看谁是"枢纽"。

from mplsoccer import Pitch
pitch = Pitch(pitch_type='statsbomb')
fig, ax = pitch.draw()
# 绘制球员位置 + 传球连线（需事件数据）

Progressive Passes 地图：把两队所有渐进传球起终点画在半场图上，看谁更能"穿透"中场。
中场三区夺回球权热图：mplsoccer 的 heatmap 直接可视化,对比两队在中圈附近的压迫强度。
PPDA（防守压迫强度）：对方传球数 / 己方防守动作数,越低说明中场压迫越强。
Zone 14（禁区弧顶）传球次数：衡量中场创造力落点。

快速结论解读示例

综合指数：A队 0.87  vs  B队 0.63
→ A队中场控制力明显占优，主要体现在传球成功率和渐进传球上
→ B队若想抗衡，应压缩中场空间、提高 PPDA 压迫强度

如果你有具体的比赛数据（CSV/事件数据），可以把字段发我,我帮你定制指标计算和可视化脚本。