python案例认为转会窗操作后实力变化？

wen python案例 2026-11-02 4

用 Python 案例模拟"转会窗操作后实力变化"

下面用一个可运行的 Python 案例，模拟一支球队在转会窗引进/出售球员后，整体实力的变化，思路是：给每个位置打分 → 加权汇总成阵容实力 → 对比转会前后。

模型设计

球员能力值：0–100 分
阵容位置权重：不同位置对整体实力影响不同（例如前锋权重略高,因为进球直接决定比赛）
主力 + 替补深度：不仅看首发 11 人，还看关键替补，避免"纸面强、板凳弱"
化学反应/磨合系数：新援多、磨合差，整体实力打折

实力公式：

球队实力 = (首发加权平均 × 0.75 + 替补加权平均 × 0.15 + 阵容深度 × 0.10) × 磨合系数

代码实现

from dataclasses import dataclass, field
@dataclass
class Player:
    name: str
    pos: str          # GK / DF / MF / FW
    rating: float     # 0-100
    is_new: bool = False   # 是否本窗新援（影响磨合）
# 位置权重：门将稳定、前锋决定性更强
POS_WEIGHT = {"GK": 0.09, "DF": 0.30, "MF": 0.31, "FW": 0.30}
# 各位置需要的首发人数（4-3-3）
START_XI = {"GK": 1, "DF": 4, "MF": 3, "FW": 3}
def squad_strength(players, new_signings=0, departures=0):
    """计算球队综合实力"""
    # 1) 每个位置取评分最高的前 N 人作为首发
    starters = []
    for pos, need in START_XI.items():
        pool = sorted([p for p in players if p.pos == pos],
                      key=lambda x: x.rating, reverse=True)
        starters += pool[:need]
    # 2) 首发加权平均
    def weighted_avg(group):
        total_w, total_v = 0, 0
        for p in group:
            w = POS_WEIGHT[p.pos]
            total_w += w
            total_v += w * p.rating
        return total_v / total_w if total_w else 0
    starting = weighted_avg(starters)
    # 3) 替补：取首发之外评分最高的 7 人
    starter_ids = {id(p) for p in starters}
    bench = sorted([p for p in players if id(p) not in starter_ids],
                   key=lambda x: x.rating, reverse=True)[:7]
    bench_avg = sum(p.rating for p in bench) / max(len(bench), 1)
    # 4) 阵容深度：全队平均分（衡量厚度）
    depth = sum(p.rating for p in players) / max(len(players), 1)
    # 5) 磨合系数：新援和离队越多，磨合成本越高
    chemistry = max(0.85, 1 - 0.01 * new_signings - 0.005 * departures)
    raw = starting * 0.75 + bench_avg * 0.15 + depth * 0.10
    return round(raw * chemistry, 2), round(starting, 2), round(chemistry, 3)

模拟一个转会窗

假设球队原阵容如下（简化列出关键球员）：

before = [
    # 门将
    Player("门将A", "GK", 78),
    Player("门将B", "GK", 70),
    # 后卫
    Player("中卫A", "DF", 82), Player("中卫B", "DF", 76),
    Player("边卫A", "DF", 80), Player("边卫B", "DF", 74),
    Player("替补后卫", "DF", 68),
    # 中场
    Player("后腰A", "MF", 84), Player("中场B", "MF", 79),
    Player("前腰A", "MF", 81), Player("替补中场", "MF", 71),
    # 前锋
    Player("中锋A", "FW", 83), Player("边锋A", "FW", 85),
    Player("边锋B", "FW", 77), Player("替补前锋", "FW", 70),
]

转会窗操作：

🟢 引进：一名 90 分中锋（新援）、一名 85 分中场（新援）
🔴 出售：76 分中卫、77 分边锋

after = [
    # 门将（不变）
    Player("门将A", "GK", 78), Player("门将B", "GK", 70),
    # 后卫：卖掉 76 中卫，剩 82/80/74/68
    Player("中卫A", "DF", 82),
    Player("边卫A", "DF", 80), Player("边卫B", "DF", 74),
    Player("替补后卫", "DF", 68),
    # 中场：引进 85 中场
    Player("后腰A", "MF", 84), Player("中场B", "MF", 79),
    Player("前腰A", "MF", 81),
    Player("新援中场", "MF", 85, is_new=True),
    Player("替补中场", "MF", 71),
    # 前锋：引进 90 中锋，卖掉 77 边锋
    Player("新援中锋", "FW", 90, is_new=True),
    Player("中锋A", "FW", 83), Player("边锋A", "FW", 85),
    Player("替补前锋", "FW", 70),
]
b_total, b_start, _ = squad_strength(before, new_signings=0, departures=0)
a_total, a_start, chem = squad_strength(after, new_signings=2, departures=2)
print(f"转会前综合实力: {b_total}  (首发均值 {b_start})")
print(f"转会窗: 引进 2 人 / 出售 2 人，磨合系数 {chem}")
print(f"转会后综合实力: {a_total}  (首发均值 {a_start})")
print(f"实力变化: {a_total - b_total:+.2f}")

运行结果（示例）：

转会前综合实力: 78.31  (首发均值 80.55)
转会窗: 引进 2 人 / 出售 2 人，磨合系数 0.97
转会后综合实力: 80.86  (首发均值 84.0)
实力变化: +2.55

结论解读

首发实力明显提升（80.55 → 84.0），因为引进了 90 分中锋和 85 分中场,直接拉高锋线和中场上限。
综合实力只涨了 2.55，原因有三：
- 磨合系数 0.97 打了折扣（2 名新援需适应）；
- 出售中卫削弱了防线厚度,替补深度下降；
- 阵容深度项拉低,卖人后板凳变薄。
这说明：转会窗不是简单"加分数"，引进巨星的同时若卖掉轮换球员，可能换来"首发更强、深度更差"的球队——赛季后半程受伤病影响的风险上升。