python案例认为补时长短会影响进球概率吗?

wen python案例 10

本文目录导读:

python案例认为补时长短会影响进球概率吗?

  1. 分析思路
  2. 完整代码
  3. 预期结果解读
  4. 真实数据下的注意事项

这是一个很有意思的足球数据分析问题,下面用 Python 做一个完整的案例,分析补时长短是否会影响进球概率。

分析思路

  1. 数据准备:模拟/构造比赛数据(补时分钟数、是否进球)
  2. 描述性统计:不同补时区间的进球率
  3. 可视化:补时长度 vs 进球率
  4. 统计检验:卡方检验、逻辑回归

说明:由于没有真实数据集,这里用模拟数据演示方法,你可以把 df 替换成真实数据(如 Football-Data.co.uk、StatsBomb 等)。

完整代码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
import statsmodels.api as sm
np.random.seed(42)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# ========== 1. 构造模拟数据 ==========
n = 2000
# 补时长度:多数在 2-6 分钟,少量极端值
added_time = np.clip(np.random.normal(4, 1.5, n), 1, 12).round().astype(int)
# 假设真实机制:补时越长,进球概率略升(logit 线性)
true_intercept = -2.2
true_slope = 0.18
p_goal = 1 / (1 + np.exp(-(true_intercept + true_slope * added_time)))
goal = np.random.binomial(1, p_goal)
df = pd.DataFrame({'added_time': added_time, 'goal': goal})
print(df.head())
print("\n补时分布:\n", df['added_time'].value_counts().sort_index())
# ========== 2. 描述性统计:按补时区间看进球率 ==========
df['bin'] = pd.cut(df['added_time'], bins=[0, 2, 4, 6, 12],
                   labels=['1-2min', '3-4min', '5-6min', '7min+'])
summary = df.groupby('bin', observed=True)['goal'].agg(['count', 'sum', 'mean'])
summary.columns = ['比赛数', '进球场次', '进球率']
print("\n按补时区间统计:\n", summary)
# ========== 3. 可视化 ==========
fig, axes = plt.subplots(1, 2, figsize=(12, 4))
# 各补时分钟的直接进球率
rate_by_min = df.groupby('added_time')['goal'].mean()
axes[0].bar(rate_by_min.index, rate_by_min.values, color='steelblue')
axes[0].set_xlabel('补时分钟数')
axes[0].set_ylabel('进球概率')
axes[0].set_title('各补时长度下的进球概率')
# 区间进球率
summary['进球率'].plot(kind='bar', ax=axes[1], color='coral')
axes[1].set_ylabel('进球概率')
axes[1].set_title('补时区间 vs 进球概率')
plt.tight_layout()
plt.savefig('added_time_goal.png', dpi=100)
plt.show()
# ========== 4. 统计检验 ==========
# 4.1 卡方检验:补时区间与是否进球是否独立
contingency = pd.crosstab(df['bin'], df['goal'])
chi2, p_chi, dof, _ = stats.chi2_contingency(contingency)
print(f"\n卡方检验: chi2={chi2:.3f}, p={p_chi:.4f}")
# 4.2 逻辑回归:进球 ~ 补时分钟
X = sm.add_constant(df['added_time'])
model = sm.Logit(df['goal'], X).fit(disp=0)
print("\n逻辑回归结果:\n", model.summary())
# 计算 OR 值
odds_ratio = np.exp(model.params['added_time'])
print(f"\n补时每增加1分钟的 OR 值: {odds_ratio:.3f}")
print(f"95% CI: {np.exp(model.conf_int().loc['added_time']).values}")

预期结果解读

运行后你会看到类似:

卡方检验: chi2=18.xxx, p=0.0004
逻辑回归:
                coef   std err    z     P>|z|
added_time     0.19    0.04    4.6    0.000
OR = 1.21, 95% CI: [1.11, 1.31]

解读:

指标 含义
卡方 p < 0.05 补时区间与进球不独立,存在关联
逻辑回归系数 > 0 且显著 补时越长,进球概率显著上升
OR ≈ 1.21 补时每多 1 分钟,进球几率增加约 21%

真实数据下的注意事项

  1. 混杂因素:补时长短本身由比赛进程决定(换人、伤病、VAR、比分胶着),不是随机分配,落后方会拖延时间 → 补时变长 → 落后方猛攻 → 进球多,这是内生性问题。
  2. 建议加入控制变量:比分差、联赛、主客场、射门数等。
  3. 更好的设计:用"伤停补时"作为工具变量,或在同一场比赛内比较不同补时段的进球率。

在模拟数据中,补时越长进球概率越高且统计显著;但在真实数据中,这种关联很大程度来自比赛情境的选择效应(落后方拖延 → 补时变长 → 更多进攻),需要谨慎做因果解读。

需要我把代码改成读取真实 CSV 数据的版本,或者加入控制变量的多元逻辑回归吗?

直播入口

曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播

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