根据python案例,协防补位成功次数?

wen python案例 1

Python案例:协防补位成功次数统计

协防补位成功次数",这是一个体育数据分析(通常是足球/篮球防守数据)中的指标,下面我给出一个完整的Python实现案例,并说明如果您的具体场景不同,该如何调整。

根据python案例,协防补位成功次数?

核心概念理解

协防补位成功:指当队友防守失位时,另一名球员及时补位并成功完成防守动作(如抢断、解围、封堵、干扰)的次数。

判断"成功"通常需要满足:

  1. 发生了补位行为(球员移动到非自己防守区域)
  2. 补位后完成了有效防守动作
  3. 防守结果未导致失球/失败

基础实现案例

import pandas as pd
# 模拟防守事件数据
# 字段说明:
# - player: 球员
# - event_type: 事件类型 (tackle抢断/clearance解围/block封堵/interception拦截)
# - is_cover: 是否为补位行为 (True/False)
# - success: 该动作是否成功
# - match_id: 比赛ID
data = [
    {"player": "张三", "event_type": "tackle",      "is_cover": True,  "success": True,  "match_id": 1},
    {"player": "张三", "event_type": "interception","is_cover": True,  "success": True,  "match_id": 1},
    {"player": "张三", "event_type": "clearance",   "is_cover": True,  "success": False, "match_id": 1},
    {"player": "李四", "event_type": "block",       "is_cover": True,  "success": True,  "match_id": 1},
    {"player": "李四", "event_type": "tackle",      "is_cover": False, "success": True,  "match_id": 1},
    {"player": "王五", "event_type": "interception","is_cover": True,  "success": True,  "match_id": 2},
    {"player": "王五", "event_type": "clearance",   "is_cover": True,  "success": True,  "match_id": 2},
    {"player": "王五", "event_type": "tackle",      "is_cover": True,  "success": False, "match_id": 2},
]
df = pd.DataFrame(data)
# 筛选:补位 且 成功 的事件
cover_success = df[(df["is_cover"] == True) & (df["success"] == True)]
# 按球员统计协防补位成功次数
result = cover_success.groupby("player").size().reset_index(name="协防补位成功次数")
# 按次数降序排列
result = result.sort_values("协防补位成功次数", ascending=False).reset_index(drop=True)
print(result)

输出结果:

  player  协防补位成功次数
0    张三          2
1    王五          2
2    李四          1

进阶版本(含成功率、分场次统计)

def analyze_cover_defense(df):
    """协防补位综合分析"""
    # 1. 只保留补位事件
    cover_df = df[df["is_cover"] == True].copy()
    # 2. 按球员聚合
    summary = cover_df.groupby("player").agg(
        补位总次数=("success", "size"),
        补位成功次数=("success", "sum"),
    ).reset_index()
    # 3. 计算成功率
    summary["补位成功率(%)"] = (
        summary["补位成功次数"] / summary["补位总次数"] * 100
    ).round(1)
    # 4. 排序
    summary = summary.sort_values("补位成功次数", ascending=False).reset_index(drop=True)
    return summary
print(analyze_cover_defense(df))

输出:

  player  补位总次数  补位成功次数  补位成功率(%)
0    张三       3         2        66.7
1    王五       3         2        66.7
2    李四       1         1       100.0

如果您有其他数据源

请告诉我您的具体场景,我可以针对性调整:

场景 需要确认的字段
足球比赛数据(如StatsBomb、Wyscout) 事件类型、位置坐标、是否补位标记
篮球防守数据 换防/协防标记、防守结果
自定义Excel/CSV 请提供列名和样例
需要按位置坐标自动判断补位 需要球员位置与球的位置距离判断

如果是基于坐标自动判断补位:

import math
def is_cover_action(defender_xy, teammate_xy, ball_xy, threshold=10):
    """
    判断是否为补位:防守球员离球比离自己防区更近,
    且队友已失位(队友离球远)
    """
    dist_defender_ball = math.dist(defender_xy, ball_xy)
    dist_teammate_ball = math.dist(teammate_xy, ball_xy)
    # 队友失位(离球>threshold)且自己靠近球
    return dist_teammate_ball > threshold and dist_defender_ball < dist_teammate_ball

请提供您的具体数据样例(列名/几行数据)或使用场景,我可以直接给出可运行的完整代码,包括数据清洗、补位判定逻辑和统计输出。

友情链接

欧易欧易欧易

抱歉,评论功能暂时关闭!

友情链接攻略窝 · 礼包窝 · 配置窝 · 换算窝 · 算法窝 · 查文窝 · 手册窝 · 问答窝 · 全文搜 · 手册库
相关站点礼包窝 · 查文窝