python案例统计射正数能说明进攻质量吗?

wen python案例 1

射正数能说明进攻质量吗?

射正数不能单独说明进攻质量,它只是一个"中间指标",原因如下:

python案例统计射正数能说明进攻质量吗?

  • 射正数多,可能来自大量低质量远射碰运气,也可能来自高质量渗透
  • 射正数少,可能是进攻低效,也可能是射门少但每次机会都很好
  • 射正数忽略了:预期进球(xG)、射门位置、进攻组织方式、对手强弱等因素

真正衡量进攻质量要看 xG(预期进球)、射门转化率、每90分钟xG、射正率 的组合指标。

下面用 Python 案例演示如何统计并批判性分析射正数。


案例数据构造

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 模拟5支球队的赛季数据(每队30场)
np.random.seed(42)
data = {
    'Team':  ['A队','B队','C队','D队','E队'],
    'Shots': [450, 380, 520, 300, 410],       # 总射门
    'ShotsOnTarget': [160, 95, 150, 120, 130], # 射正
    'Goals': [55, 40, 45, 48, 50],             # 进球
    'xG':    [52, 38, 42, 47, 49],             # 预期进球
    'BigChances': [70, 35, 50, 65, 60],        # 绝佳机会
}
df = pd.DataFrame(data)
# 计算衍生指标
df['射正率'] = df['ShotsOnTarget'] / df['Shots']
df['转化率'] = df['Goals'] / df['Shots']
df['射正转化率'] = df['Goals'] / df['ShotsOnTarget']
df['xG差'] = df['Goals'] - df['xG']  # 实际进球 - 预期进球
print(df.round(2))

输出示例:

Team Shots ShotsOnTarget Goals xG 射正率 转化率 射正转化率 xG差
A队 450 160 55 52 36 12 34 +3
B队 380 95 40 38 25 11 42 +2
C队 520 150 45 42 29 09 30 +3
D队 300 120 48 47 40 16 40 +1
E队 410 130 50 49 32 12 38 +1

关键分析:射正数会"骗人"

C队 vs D队 —— 射正数的陷阱

print("C队射正数:", df.loc[2,'ShotsOnTarget'], "进球:", df.loc[2,'Goals'])
print("D队射正数:", df.loc[3,'ShotsOnTarget'], "进球:", df.loc[3,'Goals'])
  • C队射正 150 次,进球只有 45 个 → 射正转化率仅 30%,大量远射/低质量射门
  • D队射正 120 次,进球却有 48 个 → 射正转化率 40%,每次射正质量更高

➡️ D队射正更少,但进攻质量更高,如果只看射正数,会误判 C 队进攻更强。

用 xG 校准射正数

# 每脚射门的平均xG(衡量射门质量)
df['每射门xG'] = df['xG'] / df['Shots']
# 射正数 vs xG 的相关性
print("射正与xG相关系数:", df['ShotsOnTarget'].corr(df['xG']).round(3))
print("射正与进球相关系数:", df['ShotsOnTarget'].corr(df['Goals']).round(3))

典型结果:射正与 xG 相关系数约 0.85,与进球约 0.7 —— 有相关性,但不能替代质量指标。

可视化对比

fig, axes = plt.subplots(1, 2, figsize=(12, 5))
# 左图:射正数 vs 进球
axes[0].scatter(df['ShotsOnTarget'], df['Goals'], s=100, c='steelblue')
for i, t in enumerate(df['Team']):
    axes[0].annotate(t, (df['ShotsOnTarget'][i], df['Goals'][i]),
                     xytext=(5,5), textcoords='offset points')
axes[0].set_xlabel('射正数'); axes[0].set_ylabel('进球')
axes[0].set_title('射正数 vs 进球(有相关性但非因果)')
# 右图:射正转化率(质量代理指标)
axes[1].bar(df['Team'], df['射正转化率'], color=['#4C72B0','#DD8452','#55A868','#C44E52','#8172B3'])
axes[1].axhline(df['射正转化率'].mean(), ls='--', c='gray', label='均值')
axes[1].set_ylabel('进球/射正')
axes[1].set_title('射正转化率:衡量射正"含金量"')
axes[1].legend()
plt.tight_layout(); plt.show()

更科学的进攻质量评估框架

def attack_quality_score(row, w=(0.4, 0.3, 0.3)):
    """综合进攻质量评分(归一化后加权)"""
    # 归一化到0-1
    norm = lambda x, col: x / df[col].max()
    s_xg      = norm(row['xG'], 'xG')            # 创造机会总量
    s_xg_shot = norm(row['xG']/row['Shots'], '每射门xG') * 0  # 占位
    s_conv    = norm(row['Goals']/row['ShotsOnTarget'], '射正转化率')
    s_big     = norm(row['BigChances'], 'BigChances')
    return w[0]*s_xg + w[1]*s_conv + w[2]*s_big
df['进攻质量分'] = df.apply(attack_quality_score, axis=1).round(3)
print(df[['Team','ShotsOnTarget','xG','射正转化率','BigChances','进攻质量分']]
      .sort_values('进攻质量分', ascending=False))

综合评分下,射正多但转化差的 C 队排名明显下降,射正少但效率高的 D 队上升——证明单看射正数会误判。


回答你的问题

问题 回答
射正数能说明进攻质量吗? ❌ 不能单独说明,只是"量"的指标,缺"质"
射正数与进球关系? 正相关但非充分,受射门质量/门将/运气影响
该配合什么指标? xG、每射门xG、射正转化率、BigChances、xG差
案例启示 C队 vs D队:射正多≠进攻好;必须用转化率与xG校准

一句话总结:射正数是进攻质量的必要不充分指标,Python 分析中应把它作为特征之一,而非结论本身。

上一篇python案例统计伤病停赛影响数据对比?

下一篇当前分类已是最新一篇

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