如何分析"半场结束前攻势"?——Python 视角
你提到的"看半场结束前攻势",在体育数据分析(尤其是足球/篮球)里通常指比赛进行到 40-45 分钟(或上半场最后 5-10 分钟)时某队的进攻态势,下面给你一套可落地的 Python 分析思路和代码框架。

先明确"攻势"用什么指标量化
| 维度 | 常用指标 | 数据来源 |
|---|---|---|
| 事件流 | 射门、角球、危险进攻、控球率 | Opta / StatsBomb / 赛事API |
| 时间窗口 | 40′–45′+补时 | 事件时间戳 |
| 方向性 | 本方半场推进次数、进入禁区次数 | 坐标数据 |
| 强度 | 每分钟事件数、xG 增量 | 衍生计算 |
核心思路:取出 40 分钟之后到半场结束的所有事件,按队伍聚合,看哪一方事件密度高、位置更靠前。
最小可用分析代码(以 StatsBomb 开放数据为例)
import pandas as pd
from statsbombpy import sb
# 1. 拉取一场比赛的事件数据
events = sb.events(match_id=3788741) # 示例:某场欧冠
events['minute'] = events['minute'].astype(int)
# 2. 定义"半场结束前"窗口
END_WINDOW_START = 40
# 上半场结束时间(含补时):取 period==1 的最大时间戳
first_half_end = events.loc[events['period'] == 1, 'minute'].max()
mask = (
(events['period'] == 1) &
(events['minute'] >= END_WINDOW_START) &
(events['minute'] <= first_half_end)
)
late_half = events[mask]
# 3. 攻势指标:射门 / 危险进攻 / 进入进攻三区
attack_events = late_half[late_half['type'].isin(
['Shot', 'Pass', 'Carry', 'Dribble']
)]
# 按队伍聚合
summary = (
late_half.groupby(['team', 'type'])
.size()
.unstack(fill_value=0)
.assign(总事件=lambda d: d.sum(axis=1))
.sort_values('总事件', ascending=False)
)
print(summary)
把"攻势"做得更细:3 个升级方向
用事件密度而不是总数
补时长度不同会干扰总数,改成 事件/分钟:
window_len = first_half_end - END_WINDOW_START + 1 density = summary['总事件'] / window_len
用位置判断"是否真的压上"
StatsBomb 有 location([x, y],x 越大越靠近对方球门):
late_half['x'] = late_half['location'].apply(lambda v: v[0] if isinstance(v, list) else None)
advanced = late_half[(late_half['x'] > 60)] # 进入进攻三区
adv_by_team = advanced.groupby('team').size()
用 xG 增量看威胁度
xg = late_half[late_half['type'] == 'Shot'].groupby('team')['shot_statsbomb_xg'].sum()
可视化:一张图看懂"半场尾声攻势"
import matplotlib.pyplot as plt
import numpy as np
teams = summary.index.tolist()
bins = np.arange(35, first_half_end + 2) # 每分钟切片
fig, ax = plt.subplots(figsize=(10, 4))
for team in teams:
t = late_half[late_half['team'] == team]
counts, _ = np.histogram(t['minute'], bins=bins)
ax.plot(bins[:-1], counts, label=team, marker='o')
ax.axvline(40, ls='--', color='grey', label='40′ 窗口起点')
ax.set_xlabel('比赛分钟')
ax.set_ylabel('每分钟事件数')
ax.set_title('半场结束前攻势强度对比')
ax.legend()
plt.tight_layout()
plt.show()
解读时注意的 3 个坑
- 补时长度不固定:用密度而非总数。
- 领先方会主动收缩:看攻势要结合比分状态(
events['shot_outcome']前查比分)。 - 控球率高 ≠ 攻势强:优先看进入进攻三区次数 + 射门 + xG,纯控球往往是无效倒脚。
如果你手上的案例是别的形式
你说的"这个 Python 案例"如果指的是某篇博客 / 教材里的具体代码(比如爬取某网站、分析某联赛),把那段代码或数据集结构贴出来,我可以帮你把上面这套"40′–45′ 窗口筛选 + 事件密度 + 位置加权"的逻辑,直接嵌进你原来的代码里,而不是另起炉灶。
要不要贴一下你现有的代码片段?这样能给你更贴合的分析思路。
版权声明:本站文章为原创整理,转载请注明出处。