python案例统计单刀球成功率是多少？

足球单刀球成功率统计案例

下面我用 Python 模拟统计足球比赛中"单刀球"的成功率，包含数据模拟、统计分析和可视化。

完整代码案例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# ========== 1. 模拟数据 ==========
np.random.seed(42)
players = ['梅西', 'C罗', '姆巴佩', '哈兰德', '凯恩', 
           '萨拉赫', '本泽马', '莱万', '内马尔', '维尼修斯']
data = []
for player in players:
    # 每名球员单刀球总次数（10-30次）
    total = np.random.randint(10, 31)
    # 单刀进球数（成功率约 30%~65%）
    success_rate = np.random.uniform(0.30, 0.65)
    goals = int(round(total * success_rate))
    data.append({
        '球员': player,
        '单刀总次数': total,
        '单刀进球数': goals
    })
df = pd.DataFrame(data)
# ========== 2. 计算成功率 ==========
df['成功率(%)'] = (df['单刀进球数'] / df['单刀总次数'] * 100).round(2)
# 按成功率排序
df = df.sort_values('成功率(%)', ascending=False).reset_index(drop=True)
print("=" * 55)
print("              单刀球成功率统计表")
print("=" * 55)
print(df.to_string(index=False))
# ========== 3. 整体统计 ==========
total_shots = df['单刀总次数'].sum()
total_goals = df['单刀进球数'].sum()
overall_rate = total_goals / total_shots * 100
print("\n" + "=" * 55)
print(f"总单刀次数     : {total_shots} 次")
print(f"总单刀进球数   : {total_goals} 个")
print(f"整体单刀成功率 : {overall_rate:.2f}%")
print(f"最高成功率     : {df['成功率(%)'].max():.2f}% ({df.iloc[0]['球员']})")
print(f"最低成功率     : {df['成功率(%)'].min():.2f}% ({df.iloc[-1]['球员']})")
print(f"平均成功率     : {df['成功率(%)'].mean():.2f}%")
print("=" * 55)
# ========== 4. 可视化 ==========
fig, axes = plt.subplots(1, 2, figsize=(14, 6))
# 图1：各球员成功率柱状图
colors = ['#2ecc71' if x >= overall_rate else '#e74c3c' for x in df['成功率(%)']]
axes[0].bar(df['球员'], df['成功率(%)'], color=colors)
axes[0].axhline(overall_rate, color='blue', linestyle='--', 
                label=f'整体平均 {overall_rate:.1f}%')
axes[0].set_title('各球员单刀球成功率', fontsize=14)
axes[0].set_ylabel('成功率 (%)')
axes[0].set_xticklabels(df['球员'], rotation=45)
axes[0].legend()
axes[0].grid(axis='y', alpha=0.3)
# 图2：单刀次数 vs 进球数
x = np.arange(len(df))
width = 0.35
axes[1].bar(x - width/2, df['单刀总次数'], width, label='单刀总次数', color='#3498db')
axes[1].bar(x + width/2, df['单刀进球数'], width, label='单刀进球数', color='#f39c12')
axes[1].set_xticks(x)
axes[1].set_xticklabels(df['球员'], rotation=45)
axes[1].set_title('单刀总次数 vs 进球数', fontsize=14)
axes[1].legend()
axes[1].grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.savefig('单刀球成功率统计.png', dpi=100, bbox_inches='tight')
plt.show()

运行结果示例

=======================================================
              单刀球成功率统计表
=======================================================
   球员  单刀总次数  单刀进球数  成功率(%)
   凯恩        16        10    62.50
   萨拉赫        25        15    60.00
   哈兰德        28        16    57.14
   梅西        22        12    54.55
  本泽马        29        15    51.72
   莱万        19         9    47.37
   内马尔        12         5    41.67
  姆巴佩        24         9    37.50
  维尼修斯        18         6    33.33
    C罗        15         5    33.33
=======================================================
总单刀次数     : 208 次
总单刀进球数   : 102 个
整体单刀成功率 : 49.04%
最高成功率     : 62.50% (凯恩)
最低成功率     : 33.33% (C罗)
平均成功率     : 47.91%
=======================================================

关键知识点解析

成功率计算公式

成功率 = 单刀进球数 / 单刀总次数 × 100%

核心 Pandas 操作

真实场景扩展建议

如果要处理真实比赛数据,可以补充以下字段：

# 扩展数据字段示例
df_advanced = pd.DataFrame({
    '球员': ['梅西', 'C罗'],
    '单刀总次数': [22, 15],
    '单刀进球数': [12, 5],
    '射门角度': [35, 42],        # 平均射门角度
    '门将出击距离': [5.2, 6.8],  # 门将出击距离(米)
    '比赛阶段': ['上半场', '下半场'],
    '射门脚': ['左脚', '右脚'],
})

可进一步分析：

• 📊 分时段成功率：上半场 vs 下半场
• 🦶 不同射门脚：左脚、右脚、头球的成功率差异
• 🥅 门将类型影响：出击型门将 vs 门线型门将
• 📈 趋势分析：按月/赛季统计成功率变化

加置信区间（进阶）

样本量较小时,成功率波动大，可用二项分布置信区间估计：

from scipy.stats import beta
def wilson_ci(success, total, confidence=0.95):
    """Wilson 置信区间（小样本更稳定）"""
    z = 1.96  # 95% 置信度
    p = success / total
    denom = 1 + z**2 / total
    center = (p + z**2 / (2*total)) / denom
    margin = z * np.sqrt(p*(1-p)/total + z**2/(4*total**2)) / denom
    return (center - margin) * 100, (center + margin) * 100
df['CI_下'] , df['CI_上'] = zip(*df.apply(
    lambda r: wilson_ci(r['单刀进球数'], r['单刀总次数']), axis=1))
print(df[['球员', '成功率(%)', 'CI_下', 'CI_上']])

这样可以避免"5次射门进3球 = 60%"这类小样本造成的误判——置信区间会告诉你真实水平可能只有 20%~90%。

真实足球统计中,单刀球成功率通常在 40%~55% 之间浮动，顶级射手可达 60%+，本案例演示了用 Pandas 做分组统计 + 可视化的完整流程，需要我改成读取真实 CSV 文件版本，或加入置信区间可视化，可以继续告诉我 👍