python案例统计高球传中争顶成功率？

wen python案例 2026-11-10 1

高球传中争顶成功率统计案例

业务背景

在足球数据分析中,高球传中争顶成功率是衡量球队边路进攻质量和空中对抗能力的关键指标，通常定义为：

传中球：从边路或肋部向禁区方向的高球传递
争顶成功：传中后进攻球员在禁区内赢得第一落点的头球
成功率 = 争顶成功次数 / 有效高球传中次数 × 100%

下面用 Python 模拟一套完整的数据统计流程。

数据准备（模拟数据）

import pandas as pd
import numpy as np
np.random.seed(42)
# 模拟 200 次高球传中事件
n = 200
data = pd.DataFrame({
    "event_id": range(1, n + 1),
    "player": np.random.choice(["边锋A", "边锋B", "边后卫C", "边后卫D"], n),
    "minute": np.random.randint(1, 91, n),
    "cross_type": np.random.choice(["弧线球", "平高球", "外旋球"], n),
    "zone": np.random.choice(["前点", "中路", "后点"], n),
    # 争顶结果：1=成功，0=失败
    "aerial_won": np.random.choice([0, 1], n, p=[0.55, 0.45]),
    # 是否为有效传中（未出底线/未直接被门将没收）
    "valid_cross": np.random.choice([0, 1], n, p=[0.1, 0.9]),
})
print(data.head())

字段说明： | 字段 | 含义 | |------|------| | player | 传中球员 | | cross_type | 传中脚法 | | zone | 落点区域（前点/中路/后点） | | aerial_won | 是否争顶成功（1/0） | | valid_cross | 是否为有效高球传中（1/0） |

核心统计逻辑

# 只统计有效高球传中
valid = data[data["valid_cross"] == 1].copy()
# 总体争顶成功率
total_cross = len(valid)
total_won = valid["aerial_won"].sum()
overall_rate = total_won / total_cross * 100
print(f"有效高球传中: {total_cross} 次")
print(f"争顶成功: {total_won} 次")
print(f"总体争顶成功率: {overall_rate:.2f}%")

多维度分组统计

按球员统计

by_player = valid.groupby("player").agg(
    传中次数=("event_id", "count"),
    争顶成功=("aerial_won", "sum"),
).reset_index()
by_player["争顶成功率(%)"] = (
    by_player["争顶成功"] / by_player["传中次数"] * 100
).round(2)
by_player = by_player.sort_values("争顶成功率(%)", ascending=False)
print(by_player)

按落点区域统计

by_zone = valid.groupby("zone").agg(
    传中次数=("event_id", "count"),
    争顶成功=("aerial_won", "sum"),
)
by_zone["争顶成功率(%)"] = (by_zone["争顶成功"] / by_zone["传中次数"] * 100).round(2)
print(by_zone)

按传中脚法统计

by_type = valid.groupby("cross_type").agg(
    传中次数=("event_id", "count"),
    争顶成功=("aerial_won", "sum"),
)
by_type["争顶成功率(%)"] = (by_type["争顶成功"] / by_type["传中次数"] * 100).round(2)
print(by_type)

交叉透视表（球员 × 落点）

pivot = valid.pivot_table(
    index="player",
    columns="zone",
    values="aerial_won",
    aggfunc="mean"
) * 100
print(pivot.round(2))

进阶分析：置信区间与样本量提醒

样本小时,成功率波动大，可加入 威尔逊置信区间：

from math import sqrt
def wilson_ci(success, n, z=1.96):
    if n == 0:
        return (0, 0)
    p = success / n
    denom = 1 + z**2 / n
    center = (p + z**2 / (2*n)) / denom
    margin = z * sqrt(p*(1-p)/n + z**2/(4*n**2)) / denom
    return (round((center - margin)*100, 2), round((center + margin)*100, 2))
by_player[["下限(%)", "上限(%)"]] = by_player.apply(
    lambda r: pd.Series(wilson_ci(r["争顶成功"], r["传中次数"])),
    axis=1
)
print(by_player)

⚠️ 样本 <30 次的球员，成功率指标仅供参考。

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=(12, 5))
# 球员成功率
axes[0].bar(by_player["player"], by_player["争顶成功率(%)"], color="steelblue")
axes[0].set_title("各球员高球传中争顶成功率")
axes[0].set_ylabel("成功率(%)")
axes[0].axhline(overall_rate, color="red", linestyle="--", label=f"总体 {overall_rate:.1f}%")
axes[0].legend()
# 区域成功率
axes[1].bar(by_zone.index, by_zone["争顶成功率(%)"], color="darkorange")
axes[1].set_title("不同落点区域争顶成功率")
axes[1].set_ylabel("成功率(%)")
plt.tight_layout()
plt.show()

输出示例（模拟结果）

有效高球传中: 178 次
争顶成功: 79 次
总体争顶成功率: 44.38%
     player  传中次数  争顶成功  争顶成功率(%)
   边锋B       42      23       54.76
   边后卫C     41      19       46.34
   边锋A       48      20       41.67
   边后卫D     47      17       36.17
  zone  传中次数  争顶成功  争顶成功率(%)
  后点    60      32       53.33
  前点    55      24       43.64
  中路    63      23       36.51

结论示例：