python案例统计高球传中争顶成功率？

高球传中争顶成功率统计案例

需求分析

高球传中争顶成功率 = 成功争顶次数 / 总争顶次数 × 100%

关键概念：

• 高球传中：进攻方从边路/中路起高球传入禁区
• 争顶：进攻球员与防守球员在空中争抢落点
• 成功争顶：本方球员抢到球（形成攻门、做球或控球）

完整案例代码

import pandas as pd
import numpy as np
# ============ 1. 模拟原始数据 ============
# 假设这是从比赛事件数据中提取的争顶记录
data = {
    'match_id':      [1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2],
    'player_id':     [101, 102, 103, 104, 101, 102, 105, 106, 201, 202, 203, 204, 201, 205, 206, 207],
    'player_name':   ['张伟','李强','王磊','赵勇','张伟','李强','孙鹏','周凯',
                      '陈明','刘洋','杨帆','黄鑫','陈明','吴昊','徐亮','朱峰'],
    'team':          ['A队','A队','A队','A队','A队','A队','A队','A队',
                      'B队','B队','B队','B队','B队','B队','B队','B队'],
    'cross_type':    ['高球传中']*8 + ['高球传中']*8,   # 传中类型
    'aerial_duel':   [1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1], # 是否争顶
    'duel_won':      [1,1,0,1,0,1,1,0,1,0,1,0,1,1,0,1], # 是否争顶成功(1成功/0失败)
    'height_cm':     [185,188,178,182,185,188,190,175,
                      183,180,186,177,183,189,181,179],
}
df = pd.DataFrame(data)
print("=== 原始数据前8行 ===")
print(df.head(8))

核心统计逻辑

# ============ 2. 只保留高球传中 → 争顶事件 ============
high_cross = df[(df['cross_type'] == '高球传中') & (df['aerial_duel'] == 1)].copy()
# ============ 3. 按球员统计争顶成功率 ============
def calc_success_rate(group):
    total = len(group)
    won = group['duel_won'].sum()
    rate = won / total * 100 if total > 0 else 0
    return pd.Series({
        '争顶总次数': total,
        '成功次数': won,
        '成功率(%)': round(rate, 1)
    })
player_stats = high_cross.groupby(['player_name','team']).apply(
    calc_success_rate, include_groups=False
).reset_index()
# 按成功率排序（至少争顶1次）
player_stats = player_stats.sort_values('成功率(%)', ascending=False)
print("\n=== 球员高球传中争顶成功率排名 ===")
print(player_stats.to_string(index=False))

输出示例：

=== 球员高球传中争顶成功率排名 ===
player_name team  争顶总次数  成功次数  成功率(%)
       孙鹏  A队       1       1     100.0
       徐亮  B队       1       1     100.0
       王磊  A队       1       1     100.0
       徐亮  B队       1       1     100.0
       张伟  A队       2       1      50.0
       ...

按球队汇总

# ============ 4. 按球队统计 ============
team_stats = high_cross.groupby('team').agg(
    争顶总次数=('duel_won', 'count'),
    成功次数=('duel_won', 'sum')
)
team_stats['成功率(%)'] = (team_stats['成功次数'] / team_stats['争顶总次数'] * 100).round(1)
print("\n=== 球队高球传中争顶成功率 ===")
print(team_stats)

按身高分组分析（进阶）

# ============ 5. 按身高分组看成功率 ============
high_cross['身高档位'] = pd.cut(
    high_cross['height_cm'],
    bins=[0, 180, 185, 190, 999],
    labels=['<180', '180-185', '185-190', '>190']
)
height_stats = high_cross.groupby('身高档位', observed=True).agg(
    人次=('duel_won', 'count'),
    成功=('duel_won', 'sum')
)
height_stats['成功率(%)'] = (height_stats['成功'] / height_stats['人次'] * 100).round(1)
print("\n=== 身高与争顶成功率关系 ===")
print(height_stats)

数据可视化

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
fig, axes = plt.subplots(1, 2, figsize=(14, 5))
# 图1：球员成功率柱状图
axes[0].bar(player_stats['player_name'], player_stats['成功率(%)'], color='steelblue')
axes[0].set_title('球员高球传中争顶成功率')
axes[0].set_ylabel('成功率 (%)')
axes[0].tick_params(axis='x', rotation=45)
# 图2：球队成功率对比
axes[1].bar(team_stats.index, team_stats['成功率(%)'], color=['tomato','seagreen'])
axes[1].set_title('球队高球传中争顶成功率')
axes[1].set_ylabel('成功率 (%)')
for i, v in enumerate(team_stats['成功率(%)']):
    axes[1].text(i, v+0.5, f'{v}%', ha='center')
plt.tight_layout()
plt.savefig('aerial_duel_success.png', dpi=120)
plt.show()

关键代码要点总结

真实数据接入建议

如果你有真实比赛数据（如 StatsBomb、Opta、WhoScored 导出）,建议：

1. 字段映射：把 cross_type 对应到 pass_type 中的 Cross，aerial_duel 对应 Aerial 事件，duel_won 对应 outcome
2. 样本量过滤：建议对"争顶次数 < 3"的球员不参与排名，避免偶然性
3. 位置拆分：中锋、中卫、边锋的争顶成功率应分开评估
4. 情境细分：区分进攻三区、防守三区、定位球传中

需要我针对某个具体数据源（如 StatsBomb open data）写一个真实接入版本吗？