python案例统计反越位成功形成单刀几次?

wen python案例 14

统计反越位成功形成单刀次数

下面用 Python 做一个完整的案例,模拟一场比赛的事件数据,统计反越位成功形成单刀的次数。

python案例统计反越位成功形成单刀几次?

业务逻辑

"反越位成功形成单刀"通常需要同时满足:

  1. 事件类型 = 传球(pass)
  2. 接球球员处于越位位置(offside_position = True)
  3. 但裁判未吹罚越位(is_offside_called = False)→ 即反越位成功
  4. 接球后形成单刀(one_on_one = True,即接球球员与对方门将之间无其他防守球员)

模拟数据

import pandas as pd
# 模拟一场比赛的事件数据
data = [
    # match_id, event_id, team, player, event_type, offside_position, is_offside_called, one_on_one, minute
    (1, 101, "A队", "前锋1", "pass", True,  False, True,  12),  # ✅ 反越位+单刀
    (1, 102, "A队", "前锋2", "pass", True,  True,  False, 25),  # ❌ 越位被吹
    (1, 103, "B队", "前锋3", "pass", False, False, True,  33),  # ❌ 正常单刀,非反越位
    (1, 104, "A队", "边锋1", "pass", True,  False, True,  41),  # ✅ 反越位+单刀
    (1, 105, "B队", "中场1", "pass", True,  False, False, 55),  # ❌ 反越位成功但未形成单刀
    (1, 106, "A队", "前锋1", "shot", False, False, False, 60),  # ❌ 射门事件
    (1, 107, "B队", "前锋3", "pass", True,  False, True,  72),  # ✅ 反越位+单刀
    (1, 108, "A队", "前锋2", "pass", True,  True,  False, 80),  # ❌ 越位被吹
    (1, 109, "B队", "边锋2", "pass", True,  False, True,  88),  # ✅ 反越位+单刀
]
df = pd.DataFrame(data, columns=[
    "match_id", "event_id", "team", "player", "event_type",
    "offside_position", "is_offside_called", "one_on_one", "minute"
])

核心统计代码

# 筛选"反越位成功形成单刀"的事件
mask = (
    (df["event_type"] == "pass") &           # 传球事件
    (df["offside_position"] == True) &       # 接球时处于越位位置
    (df["is_offside_called"] == False) &     # 裁判未吹罚(反越位成功)
    (df["one_on_one"] == True)               # 形成单刀
)
success_df = df[mask]
print("===== 反越位成功形成单刀的记录 =====")
print(success_df[["minute", "team", "player"]].to_string(index=False))
print(f"\n总次数:{len(success_df)} 次")

输出:

===== 反越位成功形成单刀的记录 =====
 minute team  player
     12  A队   前锋1
     41  A队   边锋1
     72  B队   前锋3
     88  B队   边锋2
总次数:4 次

按球队统计

team_stats = (
    success_df.groupby("team")
    .agg(
        反越位单刀次数=("event_id", "count"),
        球员=("player", lambda x: "、".join(x.unique()))
    )
    .reset_index()
    .sort_values("反越位单刀次数", ascending=False)
)
print(team_stats.to_string(index=False))

输出:

team  反越位单刀次数        球员
 A队          2      前锋1、边锋1
 B队          2      前锋3、边锋2

可视化(可选)

import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 中文显示
plt.rcParams["axes.unicode_minus"] = False
# 时间线散点图
fig, ax = plt.subplots(figsize=(10, 3))
for team, color in zip(["A队", "B队"], ["#1f77b4", "#d62728"]):
    sub = success_df[success_df["team"] == team]
    ax.scatter(sub["minute"], [team] * len(sub), s=150, color=color)
    for _, row in sub.iterrows():
        ax.annotate(row["player"], (row["minute"], team),
                    xytext=(0, 12), textcoords="offset points",
                    ha="center", fontsize=9)
ax.set_xlabel("比赛时间(分钟)")
ax.set_title("反越位成功形成单刀事件时间线")
ax.set_xlim(0, 95)
ax.grid(axis="x", alpha=0.3)
plt.tight_layout()
plt.show()

扩展:多场比赛批量处理

如果有多场比赛数据,可用函数封装:

def count_offside_breakaway(df):
    """统计每场比赛反越位成功形成单刀次数"""
    mask = (
        (df["event_type"] == "pass") &
        (df["offside_position"]) &
        (~df["is_offside_called"]) &
        (df["one_on_one"])
    )
    result = (
        df[mask]
        .groupby(["match_id", "team"])
        .size()
        .reset_index(name="反越位单刀次数")
    )
    return result
# 假设 df_all 是多场比赛合并数据
# print(count_offside_breakaway(df_all))
步骤 关键点
数据准备 需要越位位置、是否被吹罚、是否单刀等标记字段
筛选条件 用布尔掩码组合 4 个条件
聚合统计 groupby 按球队/比赛汇总
业务校验 区分"正常单刀"和"反越位单刀"
可视化 时间线/柱状图直观展示

如果你的数据是追踪数据(tracking data),可以进一步用坐标计算"接球瞬间与门将之间防守球员数量"来自动判定单刀,而不依赖人工标记,需要那部分代码可以告诉我。

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