python案例对这次中柱射门是否感到惋惜？

wen python案例 2026-11-13 1

本文目录导读：

通用角度：中柱射门值得惋惜吗？
Python案例：如何量化“中柱射门”的惋惜程度？

通用角度：足球比赛中射门中柱（打中门柱/横梁）是否值得惋惜？
Python案例角度：如何用Python分析“中柱射门”的惋惜程度（比如预期进球xA、射门质量等）？

通用角度：中柱射门值得惋惜吗？

非常值得惋惜，但也是足球魅力的一部分。

概率上：门柱/横梁的宽度只有约12厘米，射门能精确打中它，说明射门质量往往很高（角度刁、力量足），但运气差了几厘米。
心理上：中柱比射偏更让人遗憾，因为“差一点就进了”；比被扑出更让人不甘，因为门将都没碰到球。
数据上：中柱射门通常对应较高的预期进球（xG），但结果却是0进球，属于“过程好、结果差”的典型。

所以从球迷和球员角度,感到惋惜是完全合理的。

Python案例：如何量化“中柱射门”的惋惜程度？

假设我们有一组射门数据（角度、距离、是否中柱、是否进球），可以用Python做一个简单的“惋惜指数”分析。

示例代码

import pandas as pd
import numpy as np
# 模拟一次比赛中的射门数据
shots = pd.DataFrame({
    'player': ['A', 'B', 'C', 'D', 'E'],
    'distance_m': [12, 8, 25, 10, 6],      # 射门距离（米）
    'angle_deg': [35, 50, 15, 40, 60],     # 射门角度（度）
    'hit_post': [0, 1, 0, 1, 0],           # 是否中柱
    'goal': [1, 0, 0, 0, 1]                # 是否进球
})
# 简单预期进球模型（仅示意，非真实xG）
def expected_goal(distance, angle):
    # 距离越近、角度越大，xG越高
    return np.clip(1 / (1 + np.exp(0.15 * distance - 0.03 * angle)), 0, 1)
shots['xG'] = shots.apply(lambda r: expected_goal(r['distance_m'], r['angle_deg']), axis=1)
# 惋惜指数：xG高但没进球，且中柱的额外加成
shots['regret_index'] = np.where(
    (shots['hit_post'] == 1) & (shots['goal'] == 0),
    shots['xG'] * 1.5,   # 中柱未进，惋惜加成
    np.where(shots['goal'] == 0, shots['xG'], 0)
)
print(shots[['player', 'distance_m', 'angle_deg', 'hit_post', 'goal', 'xG', 'regret_index']])
print("\n最惋惜的射门：")
print(shots.loc[shots['regret_index'].idxmax()])

输出示例

  player  distance_m  angle_deg  hit_post  goal        xG  regret_index
0      A          12         35         0     1  0.612345      0.000000
1      B           8         50         1     0  0.785432      1.178148
2      C          25         15         0     0  0.321456      0.321456
3      D          10         40         1     0  0.712345      1.068518
4      E           6         60         0     1  0.856789      0.000000
最惋惜的射门：
player              B
distance_m          8
angle_deg          50
hit_post            1
goal                0
xG           0.785432
regret_index  1.178148