python案例统计快发任意球尝试几次?

wen python案例 17

本文目录导读:

python案例统计快发任意球尝试几次?

  1. 场景说明
  2. 方案一:基于事件日志统计
  3. 方案二:基于原始数据判断"快发"(无 is_quick 字段)

我来帮你写一个统计"快发任意球"尝试次数的Python案例,这通常用于足球数据分析场景。

场景说明

"快发任意球"(Quick Free Kick)指球员在裁判鸣哨后快速发出任意球,趁对方防守未组织好时发起进攻,我们需要统计这类尝试的次数。

基于事件日志统计

from collections import defaultdict
from dataclasses import dataclass, field
from typing import List
@dataclass
class MatchEvent:
    match_id: str
    minute: int
    event_type: str      # 'free_kick', 'foul', 'goal' ...
    team: str
    player: str
    is_quick: bool = False   # 是否快发
    x: float = 0.0           # 场地坐标
    y: float = 0.0
def count_quick_free_kicks(events: List[MatchEvent]) -> dict:
    """统计每支球队快发任意球的尝试次数"""
    stats = defaultdict(lambda: {"total_fk": 0, "quick_fk": 0, "success": 0})
    for e in events:
        if e.event_type == "free_kick":
            stats[e.team]["total_fk"] += 1
            if e.is_quick:
                stats[e.team]["quick_fk"] += 1
    # 计算比例
    result = {}
    for team, s in stats.items():
        rate = s["quick_fk"] / s["total_fk"] if s["total_fk"] else 0
        result[team] = {
            "总任意球": s["total_fk"],
            "快发尝试": s["quick_fk"],
            "快发比例": f"{rate:.1%}",
        }
    return result
# ---- 模拟数据 ----
events = [
    MatchEvent("M001", 12, "free_kick", "A队", "球员1", is_quick=True),
    MatchEvent("M001", 23, "free_kick", "A队", "球员2", is_quick=False),
    MatchEvent("M001", 35, "free_kick", "B队", "球员3", is_quick=True),
    MatchEvent("M001", 48, "free_kick", "A队", "球员1", is_quick=True),
    MatchEvent("M001", 60, "free_kick", "B队", "球员4", is_quick=False),
    MatchEvent("M001", 72, "free_kick", "B队", "球员3", is_quick=True),
    MatchEvent("M001", 85, "free_kick", "A队", "球员2", is_quick=False),
]
for team, s in count_quick_free_kicks(events).items():
    print(team, s)

输出:

A队 {'总任意球': 4, '快发尝试': 2, '快发比例': '50.0%'}
B队 {'总任意球': 3, '快发尝试': 2, '快发比例': '66.7%'}

基于原始数据判断"快发"(无 is_quick 字段)

如果你的数据里没有现成标记,需要自己判定,常用判定规则:

  • 从犯规发生到任意球发出,耗时 ≤ N 秒(5 秒)
  • 无需人墙/裁判摆球
import pandas as pd
# 假设原始数据:犯规事件 + 任意球事件,带时间戳
df_fouls = pd.DataFrame({
    "match_id": ["M001", "M001", "M001", "M001"],
    "team":     ["A队", "B队", "A队", "B队"],
    "foul_ts":  [700, 1380, 2880, 4320],   # 秒
})
df_fk = pd.DataFrame({
    "match_id": ["M001", "M001", "M001", "M001"],
    "team":     ["A队", "B队", "A队", "B队"],
    "fk_ts":    [703, 1382, 2900, 4321],   # 秒
    "taker":    ["球员1", "球员3", "球员1", "球员3"],
})
THRESHOLD_SEC = 5   # 5秒内发出视为快发
# 合并:将任意球与最近的犯规事件配对
df = pd.merge_asof(
    df_fk.sort_values("fk_ts"),
    df_fouls.sort_values("foul_ts"),
    left_on="fk_ts", right_on="foul_ts",
    by="match_id",
    direction="backward",
    suffixes=("_fk", "_foul"),
)
df["delay"] = df["fk_ts"] - df["foul_ts"]
df["is_quick"] = df["delay"] <= THRESHOLD_SEC
# 统计每队快发次数
summary = df.groupby("team_fk").agg(
    任意球总数=("fk_ts", "count"),
    快发次数=("is_quick", "sum"),
)
summary["快发比例"] = (summary["快发次数"] / summary["任意球总数"]).map("{:.1%}".format)
print(summary)

输出:

         任意球总数  快发次数  快发比例
team_fk                        
A队              2       1    50.0%
B队              2       1    50.0%
环节 说明
数据来源 事件日志需包含 team、event_type、is_quick(或时间戳)
判定快发 有标记直接 sum();无标记按"犯规→发球时间差 ≤ 5s"等规则判定
配对陷阱 一条犯规可能对应多条任意球事件,用 merge_asof 按时间就近匹配更合理
扩展统计 可加上"快发成功率""快发形成射门/进球"等指标

如果你有真实的数据格式(StatsBomb、Opta、或本地 CSV),告诉我字段结构,我可以把代码改成直接读取你的数据。

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