进攻三区传球成功率分析(Python案例)
"进攻三区传球成功率"是足球数据分析中的常见指标,下面用 Python 演示一个完整的计算流程。

概念说明
- 进攻三区(Attacking Third / Final Third):把球场纵向分为三份,靠近对方球门的1/3区域
- 传球成功率 = 该区域内成功传球次数 / 该区域总传球次数 × 100%
完整代码示例
import pandas as pd
import numpy as np
# 1. 模拟传球数据(实际可从 StatsBomb / Opta / Wyscout 导出)
np.random.seed(42)
n = 1000
df = pd.DataFrame({
"player": np.random.choice(["A", "B", "C", "D"], n),
"start_x": np.random.uniform(0, 120, n), # 起点 x 坐标(标准球场长 120m)
"end_x": np.random.uniform(0, 120, n), # 终点 x 坐标
"success": np.random.choice([0, 1], n, p=[0.2, 0.8]) # 1=成功 0=失败
})
# 2. 划分进攻三区:x >= 80 即进入进攻三区(120 的 2/3)
df["in_final_third"] = df["end_x"] >= 80
# 3. 计算进攻三区传球成功率
final_third = df[df["in_final_third"]]
success_rate = final_third["success"].mean() * 100
print(f"进攻三区传球次数: {len(final_third)}")
print(f"进攻三区传球成功率: {success_rate:.2f}%")
按球员分组统计
# 按球员计算进攻三区传球成功率
player_stats = (
df[df["in_final_third"]]
.groupby("player")["success"]
.agg(传球数="count", 成功数="sum", 成功率="mean")
)
player_stats["成功率"] = (player_stats["成功率"] * 100).round(2)
# 过滤样本过少的球员
player_stats = player_stats[player_stats["传球数"] >= 10]
print(player_stats.sort_values("成功率", ascending=False))
可视化(雷达图/柱状图)
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 中文显示
plt.rcParams["axes.unicode_minus"] = False
player_stats["成功率"].plot(kind="bar", color="steelblue")"各球员进攻三区传球成功率 (%)")
plt.ylabel("成功率 (%)")
plt.ylim(0, 100)
plt.tight_layout()
plt.show()
进阶:细分传球类型
# 关键传球(渐进式传球):起点在进攻三区外,终点在进攻三区内
df["progressive_pass"] = (df["start_x"] < 80) & (df["end_x"] >= 80)
prog = df[df["progressive_pass"]]
print(f"渐进式传球成功率: {prog['success'].mean()*100:.2f}%")
使用真实数据的注意事项
| 数据源 | 坐标范围 | 说明 |
|---|---|---|
| StatsBomb | 0–120 × 0–80 | 120 米为纵向 |
| Opta | 0–100 | 需换算为百分比 |
| Wyscout | 0–100 | 同上 |
要点:
- 先统一坐标系,再划分三区(x ≥ 2/3 场长)
- 用终点坐标判断是否进入进攻三区更符合直觉
- 样本量小的球员需过滤,避免误判
- "成功率"要结合"传球次数"一起看
如果你有具体的数据文件(CSV / JSON)或想知道某个数据源(如 StatsBomb 免费数据)的读取方式,告诉我,我可以给出针对性代码。
版权声明:本站文章为原创整理,转载请注明出处。