用 Python 脚本统计门将扑救次数,看看谁更忙
下面给你一个实用脚本模板,思路清晰、可直接改成你手里的数据,核心思路就是:按门将分组统计扑救次数,再算一个"忙碌指数"(扑救/出场时间),避免只看总次数被出场数带偏。

数据准备
假设你有一份 CSV,字段类似:
match_id,goalkeeper,team,saves,minutes 1,张三,A队,5,90 1,李四,B队,2,90 2,张三,A队,7,90 2,王五,C队,4,90 3,李四,B队,6,120
脚本
import pandas as pd
# 1. 读数据
df = pd.read_csv("gk_saves.csv")
# 2. 按门将聚合:总扑救、总出场分钟、出场场次
summary = (
df.groupby("goalkeeper")
.agg(
出场场次=("match_id", "nunique"),
总扑救=("saves", "sum"),
总分钟=("minutes", "sum"),
场均扑救=("saves", "mean"),
)
.reset_index()
)
# 3. 忙碌指数:每90分钟扑救数
summary["每90分钟扑救"] = summary["总扑救"] / summary["总分钟"] * 90
# 4. 排序:谁最忙(默认按每90分钟扑救)
summary = summary.sort_values("每90分钟扑救", ascending=False)
# 5. 输出
print(summary.to_string(index=False))
summary.to_csv("gk_saves_summary.csv", index=False, encoding="utf-8-sig")
怎么判断"谁更忙"
| 指标 | 含义 | 注意 |
|---|---|---|
| 总扑救 | 累计工作量 | 出场多的门将天然占优,易高估 |
| 场均扑救 | 每场忙碌程度 | 受比赛节奏影响 |
| 每90分钟扑救 | 标准化忙碌指数 | 推荐主指标,公平可比 |
结论口径建议:用"每90分钟扑救"排第一,同时展示总扑救和出场场次,避免"只打2场扑10次"的门将因样本小排第一——可加一个最小出场门槛:
MIN_MATCHES = 3 summary = summary[summary["出场场次"] >= MIN_MATCHES]
进阶(如果需要)
- 扑救成功率:再加一列被射正次数
shots_on_target,算saves / shots_on_target,能区分"忙但稳"和"忙且漏"。 - 对手强度加权:按对手射正数归一化,避免强队门将数据虚高。
- 可视化:
summary.plot.bar(x="goalkeeper", y="每90分钟扑救")一张图直观看谁最忙。
需要你确认的两点
- 你的数据里有没有"被射正/射门"字段?有的话可以加扑救成功率,结论更立体。
- 统计口径是单赛季、整届赛事还是多赛季?这决定要不要加最小出场门槛。
把字段名或样例数据发我,我可以直接把脚本改成贴合你数据的版本。
版权声明:本站文章为原创整理,转载请注明出处。