足球单刀球成功率统计分析案例
下面用 Python 模拟并统计"单刀球"(1v1 面对门将)的成功率,包含数据生成、统计分析和可视化。

完整代码
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from collections import Counter
# ========== 1. 构造模拟数据 ==========
np.random.seed(42)
# 模拟 500 次单刀球记录
n = 500
players = [f"球员{i}" for i in range(1, 21)]
teams = ["球队A", "球队B", "球队C", "球队D"]
data = {
"球员": np.random.choice(players, n),
"球队": np.random.choice(teams, n),
"射门部位": np.random.choice(["右脚", "左脚", "头球"], n, p=[0.55, 0.40, 0.05]),
"射门区域": np.random.choice(["禁区中央", "禁区左侧", "禁区右侧"], n, p=[0.6, 0.2, 0.2]),
"是否进球": np.random.choice([1, 0], n, p=[0.45, 0.55]), # 45% 基础成功率
}
df = pd.DataFrame(data)
# ========== 2. 总体成功率 ==========
total_shots = len(df)
goals = df["是否进球"].sum()
success_rate = goals / total_shots
print(f"总单刀球次数: {total_shots}")
print(f"进球数: {goals}")
print(f"单刀球成功率: {success_rate:.2%}")
分组统计
# 按射门部位统计成功率
by_part = df.groupby("射门部位")["是否进球"].agg(["count", "sum", "mean"])
by_part.columns = ["次数", "进球数", "成功率"]
by_part["成功率"] = by_part["成功率"].map(lambda x: f"{x:.2%}")
print("\n【按射门部位】\n", by_part)
# 按射门区域统计
by_zone = df.groupby("射门区域")["是否进球"].agg(["count", "sum", "mean"])
by_zone.columns = ["次数", "进球数", "成功率"]
by_zone["成功率"] = by_zone["成功率"].map(lambda x: f"{x:.2%}")
print("\n【按射门区域】\n", by_zone)
# 按球员统计(Top 5)
by_player = df.groupby("球员")["是否进球"].agg(["count", "mean"])
by_player.columns = ["单刀次数", "成功率"]
by_player = by_player[by_player["单刀次数"] >= 10] # 过滤样本过少的
by_player["成功率"] = by_player["成功率"].map(lambda x: f"{x:.2%}")
print("\n【球员成功率 Top5】\n", by_player.sort_values("成功率", ascending=False).head())
可视化
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
# 图1:总体成功率饼图
axes[0].pie([goals, total_shots - goals],
labels=["进球", "未进"],
autopct="%1.1f%%",
colors=["#2ecc71", "#e74c3c"],
startangle=90)
axes[0].set_title(f"单刀球总体成功率 ({success_rate:.1%})")
# 图2:各区域成功率柱状图
zone_rate = df.groupby("射门区域")["是否进球"].mean()
axes[1].bar(zone_rate.index, zone_rate.values, color=["#3498db", "#9b59b6", "#1abc9c"])
axes[1].set_ylabel("成功率")
axes[1].set_title("不同射门区域单刀成功率")
for i, v in enumerate(zone_rate.values):
axes[1].text(i, v + 0.01, f"{v:.1%}", ha="center")
plt.tight_layout()
plt.savefig("single_shot_analysis.png", dpi=100)
plt.show()
输出示例
总单刀球次数: 500
进球数: 228
单刀球成功率: 45.60%
【按射门部位】
次数 进球数 成功率
射门部位
右脚 278 125 44.96%
左脚 199 92 46.23%
头球 23 11 47.83%
【按射门区域】
次数 进球数 成功率
射门区域
禁区中央 298 153 51.34%
禁区左侧 101 39 38.61%
禁区右侧 101 36 35.64%
【球员成功率 Top5】
单刀次数 成功率
球员X 15 66.67%
...
核心统计逻辑说明
| 步骤 | 方法 | 说明 |
|---|---|---|
| 成功率计算 | df["是否进球"].mean() |
二进制0/1列均值即成功率 |
| 分组统计 | groupby().agg() |
一次计算次数、进球数、成功率 |
| 样本过滤 | count >= N |
避免小样本偏差(如3次进2球=66%不可靠) |
| 置信区间 | 可选 scipy.stats.binomtest |
判断成功率是否显著 |
进阶:置信区间
from scipy.stats import beta
def wilson_interval(successes, n, confidence=0.95):
"""Wilson 置信区间,适合比例统计"""
z = 1.96
p = successes / n
denom = 1 + z**2 / n
center = (p + z**2 / (2*n)) / denom
margin = z * np.sqrt(p*(1-p)/n + z**2/(4*n**2)) / denom
return center - margin, center + margin
low, high = wilson_interval(goals, total_shots)
print(f"真实成功率 95% 置信区间: [{low:.2%}, {high:.2%}]")
真实场景替换数据:只需把模拟数据换成真实比赛数据(如 Opta、StatsBomb 数据),列名对齐
是否进球即可复用全部代码。
需要我把它改造成读取真实 CSV 数据的版本,或增加射门距离/门将位置等维度分析吗?
版权声明:本站文章为原创整理,转载请注明出处。