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。

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:
- 发生了补位行为(球员移动到非自己防守区域)
- 补位后完成了有效防守动作
- 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。
版权声明:本站文章为原创整理,转载请注明出处。