当业务需要快速产出赛事复盘或数据看板时手动整理比赛结果既容易出错又难以沉淀历史数据。本文将从比赛结果数据入手搭建一套完整的乒乓球赛事分析项目覆盖数据模拟、数据清洗、指标统计、可视化展示到简单可交互看板的完整链路。无论是校队比赛、业余俱乐部赛事还是内部训练测试这套方案都可以直接套用也能为后续接入手工录入或爬虫数据打下基础。1. 乒乓球赛事数据分析是什么1.1 赛事数据分析的应用场景乒乓球比赛数据在很多场景下都有价值。赛事主办方需要在一场比赛结束后快速输出晋级名单、胜率统计和冷门场次教练组需要根据历史对阵结果分析球员在不同打法下的胜率媒体和内容平台需要快速生成可视化战报业余俱乐部则往往需要一套轻量工具把Excel里的比赛记录变成直观的图表。数据分析在这类场景里做的不是高深算法而是把“谁和谁打了几比几赢的”这类原始记录变成“总胜场、胜率、连败场次、单局平均得分”等可比较的指标再通过图表辅助决策。这个流程非常适合用 Python 完成因为数据清洗、统计、可视化都有成熟库支持。1.2 赛事数据常见的分析维度乒乓球的比赛记录通常包含赛事名称、比赛日期、选手、对阵双方、局分、胜负关系等字段。基于这些字段可以拆出三类常见分析维度。第一是选手维度包括总参赛场次、总胜场、总负场、胜率、当前连胜/连败状态。第二是对阵维度包括两名选手历史交手记录、最近一次交手结果、比分差距、被逆转次数。第三是赛事维度包括某届赛事中各轮次冷门比例、种子选手表现、冠亚军分布。这套维度设计不依赖特定项目后续扩展到羽毛球、网球、电竞比赛也能复用。1.3 核心技术选型本项目的核心选型是 Python 3 加 pandas 做数据处理matplotlib 和 seaborn 做静态图表Flask 做轻量可视化页面。pandas 适合处理表格型数据DataFrame 的 groupby、merge、pivot_table 等方法可以快速完成分组统计和宽表转换。matplotlib 能够灵活绘制柱状图、折线图和热力图seaborn 则在统计图表的美观性和易用性上更进一步。如果未来数据量达到百万行可以引入 PySpark 或 ClickHouse 做底层查询但本文还是以单机可跑的方案为主重点先把分析思路跑通。2. 环境准备与版本说明在开始写代码之前先把本机环境准备好。本文示例基于以下环境版本可以根据你的实际情况调整操作系统Windows 10 / macOS 12 / Ubuntu 20.04 均可Python 版本3.9 以上pandas1.5 以上matplotlib3.6 以上seaborn0.12 以上Flask2.2 以上开发工具VS Code、PyCharm 或 Jupyter Notebook 都可以如果你还没有安装这些库可以执行以下命令批量安装pip install pandas matplotlib seaborn flask安装完成后建议先确认版本避免后续因版本差异出现 API 不兼容的问题。python -c import pandas, matplotlib, seaborn, flask; print(pandas.__version__, matplotlib.__version__, seaborn.__version__, flask.__version__)如果输出四个版本号就说明环境正常。这里需要特别说明的是pandas 的部分方法在不同版本下参数略有变化例如append方法在 2.0 版本后已被移除所以后文示例统一使用concat来实现数据行追加。3. 项目结构和数据设计3.1 项目目录规划为了让项目后续可以扩展建议按照下面的目录结构组织代码table_tennis_analysis/ ├── app.py ├── data/ │ └── matches.csv ├── analysis/ │ ├── data_clean.py │ ├── stats.py │ └── charts.py ├── templates/ │ └── index.html └── requirements.txt其中data_clean.py负责读取原始比赛记录并清洗stats.py负责计算选手和赛事指标charts.py负责生成图表app.py是 Flask 入口。如果只是本地跑一次脚本不启动 Web 服务那么只需要关注前面三个模块。3.2 数据表字段设计原始比赛记录表可以设计成下面的结构字段名类型说明match_idstr比赛唯一IDtournamentstr赛事名称match_datedate比赛日期round_namestr轮次如半决赛player_astr选手Aplayer_bstr选手Bscore_aint选手A总得分局数score_bint选手B总得分局数winnerstr胜者姓名duration_minint比赛时长分钟这里的得分指的是总局数。比如“4比2获胜”则score_a4、score_b2winner为对应选手。如果比赛有弃权或取消需要额外增加status字段本文暂不处理。3.3 模拟数据生成真实比赛数据往往因为隐私或版权原因不方便直接公开所以本文先用随机方式生成一份模拟数据保证代码可以完整运行。模拟数据里包含8名选手、4场赛事、每场赛事若干轮次。# 文件路径data/generate_mock_data.py import pandas as pd import numpy as np from datetime import datetime, timedelta np.random.seed(42) players [张明, 李华, 王强, 赵磊, 陈晨, 周舟, 吴迪, 郑新] tournaments [城市杯, 高校联赛, 企业邀请赛, 冬季公开赛] round_names [小组赛, 淘汰赛, 四分之一决赛, 半决赛, 决赛] records [] match_id 1 for t in tournaments: # 每个赛事生成约 20 场比赛 for _ in range(20): # 随机从选手池中抽取两名不同选手 a, b np.random.choice(players, size2, replaceFalse) # 随机生成比赛日期 date datetime(2024, 1, 1) timedelta(daysnp.random.randint(0, 120)) # 随机生成局分 score_a np.random.randint(0, 5) # 保证比分合理如果 score_a 为 4 则 score_b 为 0-3如果 score_a 小于 4则 score_b 为 4 if score_a 4: score_b np.random.randint(0, 4) else: score_b 4 # 确定胜者 winner a if score_a score_b else b # 比赛时长 15 到 90 分钟 duration np.random.randint(15, 91) records.append({ match_id: fMATCH_{match_id:04d}, tournament: t, match_date: date.strftime(%Y-%m-%d), round_name: np.random.choice(round_names), player_a: a, player_b: b, score_a: score_a, score_b: score_b, winner: winner, duration_min: duration }) match_id 1 df pd.DataFrame(records) df.to_csv(data/matches.csv, indexFalse, encodingutf-8-sig) print(模拟数据生成完成共, len(df), 条记录)运行这段脚本后会在data目录下生成matches.csv文件。这里使用utf-8-sig编码是为了让 Excel 打开 CSV 时中文不乱码。4. 完整实战从数据清洗到可视化4.1 数据读取与清洗拿到原始数据之后第一步不是做统计而是先检查数据质量。常见问题包括缺失值、重复记录、日期格式不一致、比分逻辑错误等。# 文件路径analysis/data_clean.py import pandas as pd def load_and_clean_data(file_path): df pd.read_csv(file_path, encodingutf-8-sig) # 1. 删除完全重复的记录 df df.drop_duplicates() # 2. 删除关键字段缺失的行 df df.dropna(subset[player_a, player_b, score_a, score_b, winner]) # 3. 日期格式统一 df[match_date] pd.to_datetime(df[match_date], errorscoerce) df df.dropna(subset[match_date]) # 4. 比分逻辑校验胜者的局数必须大于败者 valid_winner ((df[winner] df[player_a]) (df[score_a] df[score_b])) | \ ((df[winner] df[player_b]) (df[score_b] df[score_a])) df df[valid_winner] # 5. 重置索引 df df.reset_index(dropTrue) return df if __name__ __main__: df load_and_clean_data(data/matches.csv) print(df.head()) print(清洗后数据量:, len(df))这段代码重点做了四件事。drop_duplicates去掉完全重复的记录dropna去掉关键字段为空的行pd.to_datetime统一日期格式最后再用条件筛选保证比分逻辑正确。第四步非常关键因为如果winner字段和比分矛盾说明原始数据录入有误如果直接拿去统计后续所有胜率结论都会出错。4.2 选手维度统计分析清洗完成后开始计算每位选手的基础指标。这里需要用groupby按胜者和败者分别汇总再合并成一张选手总表。# 文件路径analysis/stats.py import pandas as pd def compute_player_stats(df): # 按胜者统计胜场数 win_stats df.groupby(winner).size().reset_index(namewins) # 构造败者数据统计负场数 # 如果 winner player_a则败者就是 player_b反之亦然 df[loser] df.apply( lambda row: row[player_b] if row[winner] row[player_a] else row[player_a], axis1 ) lose_stats df.groupby(loser).size().reset_index(namelosses) lose_stats.rename(columns{loser: player}, inplaceTrue) # 合并胜场和负场 stats win_stats.rename(columns{winner: player}).merge( lose_stats, onplayer, howouter ).fillna(0) # 计算总场次和胜率 stats[total_matches] stats[wins] stats[losses] stats[win_rate] stats[wins] / stats[total_matches] # 按胜率排序 stats stats.sort_values(win_rate, ascendingFalse).reset_index(dropTrue) return stats if __name__ __main__: from data_clean import load_and_clean_data df load_and_clean_data(data/matches.csv) player_stats compute_player_stats(df) print(player_stats)这段代码中apply(lambda row: ...)的作用是逐行判断败者是谁避免手动维护一张映射表。merge时使用outer连接是为了防止某位选手只有胜场没有负场、或者只有负场没有胜场时被遗漏。输出结果类似下面这样playerwinslossestotal_matcheswin_rate王强127190.631579李华118190.578947张明109190.5263164.3 对阵次数与交手战绩分析除了整体胜率教练和球迷往往更关注“谁克制谁”的对阵数据。这个分析本质上是一个交叉表。# 继续在 stats.py 中追加函数 def compute_head_to_head(df): # 构造对阵双方和胜者 df[pair] df.apply( lambda row: vs .join(sorted([row[player_a], row[player_b]])), axis1 ) # 统计每对选手的交手次数 pair_count df.groupby(pair).size().reset_index(namecount) # 统计每对选手中各自的胜场数 matchup_matrix pd.crosstab( index[df[player_a], df[player_b]], columnsdf[winner], aggfuncsize, fill_value0 ) return pair_count, matchup_matrix这里用sorted是为了把“张明 vs 李华”和“李华 vs 张明”统一成同一组对阵。如果直接用原始顺序分组同一对选手会因为先后顺序不同被拆成两行导致统计错误。pd.crosstab的返回值可能比较宽实际使用时可以只保留关心的选手对也可以把结果转换成 DataFrame 后写到 Excel。4.4 可视化胜率分布与赛事冷门数据分析的下一步是可视化。先用 seaborn 画选手胜率横向柱状图。# 文件路径analysis/charts.py import matplotlib.pyplot as plt import seaborn as sns plt.rcParams[font.sans-serif] [SimHei, Microsoft YaHei, PingFang SC] plt.rcParams[axes.unicode_minus] False def plot_win_rate(player_stats, output_pathoutput/win_rate.png): fig, ax plt.subplots(figsize(10, 6)) sns.barplot( dataplayer_stats.sort_values(win_rate), xwin_rate, yplayer, paletteBlues_d, axax ) ax.set_title(选手胜率排名, fontsize16) ax.set_xlabel(胜率) ax.set_ylabel(选手) plt.tight_layout() plt.savefig(output_path, dpi150) plt.show()这里需要特别说明中文字体配置。matplotlib 默认字体不包含中文如果不设置font.sans-serif图表中的中文会显示成方框。Windows 下常用SimHeimacOS 下可以用PingFang SCLinux 下可以根据已安装字体调整。再画一个赛事轮次的胜者分布图用来观察是否存在种子选手提前出局的情况。def plot_round_winner_distribution(df, output_pathoutput/round_winner.png): fig, ax plt.subplots(figsize(12, 6)) # 按轮次和胜者交叉统计 round_winner pd.crosstab(df[round_name], df[winner]) # 取比赛场次最多的前6名选手 top_players df[winner].value_counts().head(6).index round_winner round_winner[top_players] round_winner.plot(kindbar, stackedTrue, axax) ax.set_title(各轮次胜者分布, fontsize16) ax.set_xlabel(轮次) ax.set_ylabel(获胜场次) plt.xticks(rotation45) plt.tight_layout() plt.savefig(output_path, dpi150) plt.show()4.5 完整分析流程脚本把上面几个模块串联起来可以写成一条命令运行的分析流程。# 文件路径run_analysis.py import os from analysis.data_clean import load_and_clean_data from analysis.stats import compute_player_stats, compute_head_to_head from analysis.charts import plot_win_rate, plot_round_winner_distribution os.makedirs(output, exist_okTrue) df load_and_clean_data(data/matches.csv) player_stats compute_player_stats(df) pair_count, matchup_matrix compute_head_to_head(df) print( 选手统计 ) print(player_stats.head(10)) print( 交手次数 TOP 5 ) print(pair_count.sort_values(count, ascendingFalse).head(5)) plot_win_rate(player_stats) plot_round_winner_distribution(df) print(分析完成图表已保存到 output 目录)运行python run_analysis.py如果一切正常会在终端看到选手统计表格并弹出或保存两张图表。4.6 用 Flask 做一个简单看板如果不想每次分析都跑一次脚本可以把统计结果通过 Flask 输出成网页。核心逻辑是提前计算好统计数据再渲染到 HTML 模板。# 文件路径app.py from flask import Flask, render_template from analysis.data_clean import load_and_clean_data from analysis.stats import compute_player_stats app Flask(__name__) # 启动时加载并分析数据 df load_and_clean_data(data/matches.csv) player_stats compute_player_stats(df) tournament_stats df.groupby([tournament, winner]).size().reset_index(namewins) app.route(/) def index(): table_html player_stats.head(10).to_html(classestable table-striped, indexFalse) return render_template( index.html, table_htmltable_html, total_matcheslen(df), top_playerplayer_stats.iloc[0][player], top_win_rateround(player_stats.iloc[0][win_rate], 3) ) if __name__ __main__: app.run(debugTrue)对应的模板文件先不做复杂渲染只把核心指标展示出来。!-- 文件路径templates/index.html -- !DOCTYPE html html langzh head meta charsetUTF-8 title乒乓球赛事看板/title link relstylesheet hrefhttps://cdn.jsdelivr.net/npm/bootstrap5.3.0/dist/css/bootstrap.min.css /head body div classcontainer mt-4 h1乒乓球赛事数据看板/h1 div classrow div classcol-md-4 div classcard text-white bg-primary mb-3 div classcard-header总比赛数/div div classcard-body h5 classcard-title{{ total_matches }}/h5 /div /div /div div classcol-md-4 div classcard text-white bg-success mb-3 div classcard-header最高胜率选手/div div classcard-body h5 classcard-title{{ top_player }}/h5 /div /div /div div classcol-md-4 div classcard text-white bg-warning mb-3 div classcard-header最高胜率/div div classcard-body h5 classcard-title{{ top_win_rate }}/h5 /div /div /div /div h2 classmt-4选手胜率排行榜/h2 div classtable-responsive {{ table_html | safe }} /div /div /body /html启动服务python app.py浏览器打开http://127.0.0.1:5000就能看到看板。需要注意to_html返回的是 HTML 字符串在模板中必须用| safe过滤器否则所有标签都会被转义显示成纯文本。5. 常见问题与排查思路5.1 图表中文显示乱码问题现象常见原因解决思路图表标题和轴标签变成方框matplotlib 默认字体不支持中文在代码中设置plt.rcParams[font.sans-serif]为系统已有中文字体负号变成方块字体不支持负号设置plt.rcParams[axes.unicode_minus] FalseLinux 下设置字体不生效系统中没有对应字体使用fc-list :langzh查看可用字体或者安装 fonts-wqy-zenhei5.2 读 CSV 时中文乱码出现中文乱码通常是编码问题。生成 CSV 时使用encodingutf-8-sig读取时也保持一致就不会乱码。如果是从 Excel 另存的 CSV可能需要使用encodinggbk读取。建议在读取时先尝试两种编码或者直接在生成数据时统一编码。5.3 数据清洗后结果为空清洗后数据量为 0大概率是比分校验条件太严格。例如真实比赛中可能出现因为对手弃权而判胜此时比分可能为3:0但如果原始数据中胜者字段和比分不一致就会被过滤。需要先输出清洗每一步删除的行数定位是哪一步删掉了数据。5.4 Flask 页面表格没有样式这是因为模板中引入了 Bootstrap 的 CSS但player_stats.to_html(classestable table-striped)生成的表头没有thead样式Bootstrap 依然可以识别。如果表格内容特别多建议在to_html中设置border0并在模板中包裹一个overflow-x: auto的容器避免小屏下表格溢出。5.5 groupby 后索引混乱使用reset_index可以解决绝大多数索引问题。如果先groupby再merge建议每一步都确认索引是默认的整数索引。一个常见坑是groupby后会以分组字段作为索引直接和其他 DataFrame 连接时可能出现索引不齐因此统一养成reset_index(dropTrue)的习惯。6. 最佳实践与工程建议6.1 数据源接入设计本文使用的是 CSV 模拟数据但真实项目中数据来源可能是赛事报名系统、裁判员录入 App、或者第三方数据接口。建议在data_clean.py外层封装一层数据源适配接口例如def load_from_db(): # 从数据库读取比赛记录 pass def load_from_api(): # 从接口读取比赛记录 pass def load_from_excel(): # 从 Excel 读取比赛记录 pass这样底层数据源更换时上层统计逻辑完全不用动。6.2 指标定义标准化胜率、场均得分、连续胜利场次这些指标在不同团队里可能有不同定义。例如胜率的分母是只算完赛还是包括弃权连续胜利是按照自然时间还是按照参赛顺序。建议在项目文档中明确指标口径并在代码中使用常量来管理阈值避免魔法数字散落在各处。6.3 异常数据处理比分数据一旦出现异常往往会影响所有统计结果。建议在清洗阶段增加更细粒度的检查比如同一对选手在同一轮次出现两场记录、score_a和score_b都大于4、或者winner不是两个选手之一。这些规则可以做成一个数据质量报告每次跑批之后输出便于及时发现上游数据问题。6.4 性能优化如果比赛记录量达到几十万条apply逐行处理会非常慢。可以将loser计算改成向量化方式df[loser] pd.Series(np.where( df[winner] df[player_a], df[player_b], df[player_a] ))np.where比apply快一个数量级。交叉表计算在数据量大时也可能成为瓶颈建议只对活跃选手做统计或者先按赛事进行过滤。6.5 输出结果管理图表和统计表的分页输出建议统一放到output目录并按照日期分子目录存放例如output/20241201/win_rate.png。这样方便做历史版本追溯。CSV 导出时建议使用utf-8-sig编码避免 Excel 打开乱码。6.6 部署与自动化如果希望每天自动更新看板可以使用 cron 或 Windows 计划任务定时执行run_analysis.py并在脚本末尾增加自动发送邮件或推送企业微信通知的功能。Flask 应用部署到服务器时不建议使用 Flask 自带的开发服务器而是通过 gunicorn 或 uWSGI 部署并用 Nginx 做反向代理。7. 总结与学习路线本文以一个乒乓球赛事数据分析项目为主线从项目环境搭建、模拟数据生成、数据清洗、基础统计、可视化到 Flask 看板完整走通了一条轻量级数据分析链路。通过这套流程你可以快速回答“谁胜率最高”“谁克制谁”“哪些轮次冷门更多”这类问题而且代码可以直接复用到自己的比赛数据上。接下来如果想继续深入可以从三个方向扩展。第一是把数据源换成真实数据库表学习 pandas 与 MySQL、PostgreSQL 的连接方式。第二是增加预测类分析比如基于选手近期胜率和交手记录构建一个简单的 Elo 评级系统用于赛前预测。第三是把静态图表升级为交互式看板使用 Plotly Dash 或 ECharts 实现点击筛选、动态排序等能力。实际项目中优先关注数据质量先保证比分、胜者、日期这些基础字段准确再考虑复杂算法。数据基础不牢任何分析结果都会失真。建议拿到一份新数据后先把本文的数据清洗流程完整跑一遍形成数据质量报告再进入统计和可视化环节。如果动手实践过程中遇到问题欢迎在评论区留下你的报错信息和数据示例一起讨论改进方案。 
长河君 · 2026/9/2 14:19:17 · 阅读 1.2k Python实战：搭建乒乓球赛事数据分析与可视化看板
当业务需要快速产出赛事复盘或数据看板时手动整理比赛结果既容易出错又难以沉淀历史数据。本文将从比赛结果数据入手搭建一套完整的乒乓球赛事分析项目覆盖数据模拟、数据清洗、指标统计、可视化展示到简单可交互看板的完整链路。无论是校队比赛、业余俱乐部赛事还是内部训练测试这套方案都可以直接套用也能为后续接入手工录入或爬虫数据打下基础。1. 乒乓球赛事数据分析是什么1.1 赛事数据分析的应用场景乒乓球比赛数据在很多场景下都有价值。赛事主办方需要在一场比赛结束后快速输出晋级名单、胜率统计和冷门场次教练组需要根据历史对阵结果分析球员在不同打法下的胜率媒体和内容平台需要快速生成可视化战报业余俱乐部则往往需要一套轻量工具把Excel里的比赛记录变成直观的图表。数据分析在这类场景里做的不是高深算法而是把“谁和谁打了几比几赢的”这类原始记录变成“总胜场、胜率、连败场次、单局平均得分”等可比较的指标再通过图表辅助决策。这个流程非常适合用 Python 完成因为数据清洗、统计、可视化都有成熟库支持。1.2 赛事数据常见的分析维度乒乓球的比赛记录通常包含赛事名称、比赛日期、选手、对阵双方、局分、胜负关系等字段。基于这些字段可以拆出三类常见分析维度。第一是选手维度包括总参赛场次、总胜场、总负场、胜率、当前连胜/连败状态。第二是对阵维度包括两名选手历史交手记录、最近一次交手结果、比分差距、被逆转次数。第三是赛事维度包括某届赛事中各轮次冷门比例、种子选手表现、冠亚军分布。这套维度设计不依赖特定项目后续扩展到羽毛球、网球、电竞比赛也能复用。1.3 核心技术选型本项目的核心选型是 Python 3 加 pandas 做数据处理matplotlib 和 seaborn 做静态图表Flask 做轻量可视化页面。pandas 适合处理表格型数据DataFrame 的 groupby、merge、pivot_table 等方法可以快速完成分组统计和宽表转换。matplotlib 能够灵活绘制柱状图、折线图和热力图seaborn 则在统计图表的美观性和易用性上更进一步。如果未来数据量达到百万行可以引入 PySpark 或 ClickHouse 做底层查询但本文还是以单机可跑的方案为主重点先把分析思路跑通。2. 环境准备与版本说明在开始写代码之前先把本机环境准备好。本文示例基于以下环境版本可以根据你的实际情况调整操作系统Windows 10 / macOS 12 / Ubuntu 20.04 均可Python 版本3.9 以上pandas1.5 以上matplotlib3.6 以上seaborn0.12 以上Flask2.2 以上开发工具VS Code、PyCharm 或 Jupyter Notebook 都可以如果你还没有安装这些库可以执行以下命令批量安装pip install pandas matplotlib seaborn flask安装完成后建议先确认版本避免后续因版本差异出现 API 不兼容的问题。python -c import pandas, matplotlib, seaborn, flask; print(pandas.__version__, matplotlib.__version__, seaborn.__version__, flask.__version__)如果输出四个版本号就说明环境正常。这里需要特别说明的是pandas 的部分方法在不同版本下参数略有变化例如append方法在 2.0 版本后已被移除所以后文示例统一使用concat来实现数据行追加。3. 项目结构和数据设计3.1 项目目录规划为了让项目后续可以扩展建议按照下面的目录结构组织代码table_tennis_analysis/ ├── app.py ├── data/ │ └── matches.csv ├── analysis/ │ ├── data_clean.py │ ├── stats.py │ └── charts.py ├── templates/ │ └── index.html └── requirements.txt其中data_clean.py负责读取原始比赛记录并清洗stats.py负责计算选手和赛事指标charts.py负责生成图表app.py是 Flask 入口。如果只是本地跑一次脚本不启动 Web 服务那么只需要关注前面三个模块。3.2 数据表字段设计原始比赛记录表可以设计成下面的结构字段名类型说明match_idstr比赛唯一IDtournamentstr赛事名称match_datedate比赛日期round_namestr轮次如半决赛player_astr选手Aplayer_bstr选手Bscore_aint选手A总得分局数score_bint选手B总得分局数winnerstr胜者姓名duration_minint比赛时长分钟这里的得分指的是总局数。比如“4比2获胜”则score_a4、score_b2winner为对应选手。如果比赛有弃权或取消需要额外增加status字段本文暂不处理。3.3 模拟数据生成真实比赛数据往往因为隐私或版权原因不方便直接公开所以本文先用随机方式生成一份模拟数据保证代码可以完整运行。模拟数据里包含8名选手、4场赛事、每场赛事若干轮次。# 文件路径data/generate_mock_data.py import pandas as pd import numpy as np from datetime import datetime, timedelta np.random.seed(42) players [张明, 李华, 王强, 赵磊, 陈晨, 周舟, 吴迪, 郑新] tournaments [城市杯, 高校联赛, 企业邀请赛, 冬季公开赛] round_names [小组赛, 淘汰赛, 四分之一决赛, 半决赛, 决赛] records [] match_id 1 for t in tournaments: # 每个赛事生成约 20 场比赛 for _ in range(20): # 随机从选手池中抽取两名不同选手 a, b np.random.choice(players, size2, replaceFalse) # 随机生成比赛日期 date datetime(2024, 1, 1) timedelta(daysnp.random.randint(0, 120)) # 随机生成局分 score_a np.random.randint(0, 5) # 保证比分合理如果 score_a 为 4 则 score_b 为 0-3如果 score_a 小于 4则 score_b 为 4 if score_a 4: score_b np.random.randint(0, 4) else: score_b 4 # 确定胜者 winner a if score_a score_b else b # 比赛时长 15 到 90 分钟 duration np.random.randint(15, 91) records.append({ match_id: fMATCH_{match_id:04d}, tournament: t, match_date: date.strftime(%Y-%m-%d), round_name: np.random.choice(round_names), player_a: a, player_b: b, score_a: score_a, score_b: score_b, winner: winner, duration_min: duration }) match_id 1 df pd.DataFrame(records) df.to_csv(data/matches.csv, indexFalse, encodingutf-8-sig) print(模拟数据生成完成共, len(df), 条记录)运行这段脚本后会在data目录下生成matches.csv文件。这里使用utf-8-sig编码是为了让 Excel 打开 CSV 时中文不乱码。4. 完整实战从数据清洗到可视化4.1 数据读取与清洗拿到原始数据之后第一步不是做统计而是先检查数据质量。常见问题包括缺失值、重复记录、日期格式不一致、比分逻辑错误等。# 文件路径analysis/data_clean.py import pandas as pd def load_and_clean_data(file_path): df pd.read_csv(file_path, encodingutf-8-sig) # 1. 删除完全重复的记录 df df.drop_duplicates() # 2. 删除关键字段缺失的行 df df.dropna(subset[player_a, player_b, score_a, score_b, winner]) # 3. 日期格式统一 df[match_date] pd.to_datetime(df[match_date], errorscoerce) df df.dropna(subset[match_date]) # 4. 比分逻辑校验胜者的局数必须大于败者 valid_winner ((df[winner] df[player_a]) (df[score_a] df[score_b])) | \ ((df[winner] df[player_b]) (df[score_b] df[score_a])) df df[valid_winner] # 5. 重置索引 df df.reset_index(dropTrue) return df if __name__ __main__: df load_and_clean_data(data/matches.csv) print(df.head()) print(清洗后数据量:, len(df))这段代码重点做了四件事。drop_duplicates去掉完全重复的记录dropna去掉关键字段为空的行pd.to_datetime统一日期格式最后再用条件筛选保证比分逻辑正确。第四步非常关键因为如果winner字段和比分矛盾说明原始数据录入有误如果直接拿去统计后续所有胜率结论都会出错。4.2 选手维度统计分析清洗完成后开始计算每位选手的基础指标。这里需要用groupby按胜者和败者分别汇总再合并成一张选手总表。# 文件路径analysis/stats.py import pandas as pd def compute_player_stats(df): # 按胜者统计胜场数 win_stats df.groupby(winner).size().reset_index(namewins) # 构造败者数据统计负场数 # 如果 winner player_a则败者就是 player_b反之亦然 df[loser] df.apply( lambda row: row[player_b] if row[winner] row[player_a] else row[player_a], axis1 ) lose_stats df.groupby(loser).size().reset_index(namelosses) lose_stats.rename(columns{loser: player}, inplaceTrue) # 合并胜场和负场 stats win_stats.rename(columns{winner: player}).merge( lose_stats, onplayer, howouter ).fillna(0) # 计算总场次和胜率 stats[total_matches] stats[wins] stats[losses] stats[win_rate] stats[wins] / stats[total_matches] # 按胜率排序 stats stats.sort_values(win_rate, ascendingFalse).reset_index(dropTrue) return stats if __name__ __main__: from data_clean import load_and_clean_data df load_and_clean_data(data/matches.csv) player_stats compute_player_stats(df) print(player_stats)这段代码中apply(lambda row: ...)的作用是逐行判断败者是谁避免手动维护一张映射表。merge时使用outer连接是为了防止某位选手只有胜场没有负场、或者只有负场没有胜场时被遗漏。输出结果类似下面这样playerwinslossestotal_matcheswin_rate王强127190.631579李华118190.578947张明109190.5263164.3 对阵次数与交手战绩分析除了整体胜率教练和球迷往往更关注“谁克制谁”的对阵数据。这个分析本质上是一个交叉表。# 继续在 stats.py 中追加函数 def compute_head_to_head(df): # 构造对阵双方和胜者 df[pair] df.apply( lambda row: vs .join(sorted([row[player_a], row[player_b]])), axis1 ) # 统计每对选手的交手次数 pair_count df.groupby(pair).size().reset_index(namecount) # 统计每对选手中各自的胜场数 matchup_matrix pd.crosstab( index[df[player_a], df[player_b]], columnsdf[winner], aggfuncsize, fill_value0 ) return pair_count, matchup_matrix这里用sorted是为了把“张明 vs 李华”和“李华 vs 张明”统一成同一组对阵。如果直接用原始顺序分组同一对选手会因为先后顺序不同被拆成两行导致统计错误。pd.crosstab的返回值可能比较宽实际使用时可以只保留关心的选手对也可以把结果转换成 DataFrame 后写到 Excel。4.4 可视化胜率分布与赛事冷门数据分析的下一步是可视化。先用 seaborn 画选手胜率横向柱状图。# 文件路径analysis/charts.py import matplotlib.pyplot as plt import seaborn as sns plt.rcParams[font.sans-serif] [SimHei, Microsoft YaHei, PingFang SC] plt.rcParams[axes.unicode_minus] False def plot_win_rate(player_stats, output_pathoutput/win_rate.png): fig, ax plt.subplots(figsize(10, 6)) sns.barplot( dataplayer_stats.sort_values(win_rate), xwin_rate, yplayer, paletteBlues_d, axax ) ax.set_title(选手胜率排名, fontsize16) ax.set_xlabel(胜率) ax.set_ylabel(选手) plt.tight_layout() plt.savefig(output_path, dpi150) plt.show()这里需要特别说明中文字体配置。matplotlib 默认字体不包含中文如果不设置font.sans-serif图表中的中文会显示成方框。Windows 下常用SimHeimacOS 下可以用PingFang SCLinux 下可以根据已安装字体调整。再画一个赛事轮次的胜者分布图用来观察是否存在种子选手提前出局的情况。def plot_round_winner_distribution(df, output_pathoutput/round_winner.png): fig, ax plt.subplots(figsize(12, 6)) # 按轮次和胜者交叉统计 round_winner pd.crosstab(df[round_name], df[winner]) # 取比赛场次最多的前6名选手 top_players df[winner].value_counts().head(6).index round_winner round_winner[top_players] round_winner.plot(kindbar, stackedTrue, axax) ax.set_title(各轮次胜者分布, fontsize16) ax.set_xlabel(轮次) ax.set_ylabel(获胜场次) plt.xticks(rotation45) plt.tight_layout() plt.savefig(output_path, dpi150) plt.show()4.5 完整分析流程脚本把上面几个模块串联起来可以写成一条命令运行的分析流程。# 文件路径run_analysis.py import os from analysis.data_clean import load_and_clean_data from analysis.stats import compute_player_stats, compute_head_to_head from analysis.charts import plot_win_rate, plot_round_winner_distribution os.makedirs(output, exist_okTrue) df load_and_clean_data(data/matches.csv) player_stats compute_player_stats(df) pair_count, matchup_matrix compute_head_to_head(df) print( 选手统计 ) print(player_stats.head(10)) print( 交手次数 TOP 5 ) print(pair_count.sort_values(count, ascendingFalse).head(5)) plot_win_rate(player_stats) plot_round_winner_distribution(df) print(分析完成图表已保存到 output 目录)运行python run_analysis.py如果一切正常会在终端看到选手统计表格并弹出或保存两张图表。4.6 用 Flask 做一个简单看板如果不想每次分析都跑一次脚本可以把统计结果通过 Flask 输出成网页。核心逻辑是提前计算好统计数据再渲染到 HTML 模板。# 文件路径app.py from flask import Flask, render_template from analysis.data_clean import load_and_clean_data from analysis.stats import compute_player_stats app Flask(__name__) # 启动时加载并分析数据 df load_and_clean_data(data/matches.csv) player_stats compute_player_stats(df) tournament_stats df.groupby([tournament, winner]).size().reset_index(namewins) app.route(/) def index(): table_html player_stats.head(10).to_html(classestable table-striped, indexFalse) return render_template( index.html, table_htmltable_html, total_matcheslen(df), top_playerplayer_stats.iloc[0][player], top_win_rateround(player_stats.iloc[0][win_rate], 3) ) if __name__ __main__: app.run(debugTrue)对应的模板文件先不做复杂渲染只把核心指标展示出来。!-- 文件路径templates/index.html -- !DOCTYPE html html langzh head meta charsetUTF-8 title乒乓球赛事看板/title link relstylesheet hrefhttps://cdn.jsdelivr.net/npm/bootstrap5.3.0/dist/css/bootstrap.min.css /head body div classcontainer mt-4 h1乒乓球赛事数据看板/h1 div classrow div classcol-md-4 div classcard text-white bg-primary mb-3 div classcard-header总比赛数/div div classcard-body h5 classcard-title{{ total_matches }}/h5 /div /div /div div classcol-md-4 div classcard text-white bg-success mb-3 div classcard-header最高胜率选手/div div classcard-body h5 classcard-title{{ top_player }}/h5 /div /div /div div classcol-md-4 div classcard text-white bg-warning mb-3 div classcard-header最高胜率/div div classcard-body h5 classcard-title{{ top_win_rate }}/h5 /div /div /div /div h2 classmt-4选手胜率排行榜/h2 div classtable-responsive {{ table_html | safe }} /div /div /body /html启动服务python app.py浏览器打开http://127.0.0.1:5000就能看到看板。需要注意to_html返回的是 HTML 字符串在模板中必须用| safe过滤器否则所有标签都会被转义显示成纯文本。5. 常见问题与排查思路5.1 图表中文显示乱码问题现象常见原因解决思路图表标题和轴标签变成方框matplotlib 默认字体不支持中文在代码中设置plt.rcParams[font.sans-serif]为系统已有中文字体负号变成方块字体不支持负号设置plt.rcParams[axes.unicode_minus] FalseLinux 下设置字体不生效系统中没有对应字体使用fc-list :langzh查看可用字体或者安装 fonts-wqy-zenhei5.2 读 CSV 时中文乱码出现中文乱码通常是编码问题。生成 CSV 时使用encodingutf-8-sig读取时也保持一致就不会乱码。如果是从 Excel 另存的 CSV可能需要使用encodinggbk读取。建议在读取时先尝试两种编码或者直接在生成数据时统一编码。5.3 数据清洗后结果为空清洗后数据量为 0大概率是比分校验条件太严格。例如真实比赛中可能出现因为对手弃权而判胜此时比分可能为3:0但如果原始数据中胜者字段和比分不一致就会被过滤。需要先输出清洗每一步删除的行数定位是哪一步删掉了数据。5.4 Flask 页面表格没有样式这是因为模板中引入了 Bootstrap 的 CSS但player_stats.to_html(classestable table-striped)生成的表头没有thead样式Bootstrap 依然可以识别。如果表格内容特别多建议在to_html中设置border0并在模板中包裹一个overflow-x: auto的容器避免小屏下表格溢出。5.5 groupby 后索引混乱使用reset_index可以解决绝大多数索引问题。如果先groupby再merge建议每一步都确认索引是默认的整数索引。一个常见坑是groupby后会以分组字段作为索引直接和其他 DataFrame 连接时可能出现索引不齐因此统一养成reset_index(dropTrue)的习惯。6. 最佳实践与工程建议6.1 数据源接入设计本文使用的是 CSV 模拟数据但真实项目中数据来源可能是赛事报名系统、裁判员录入 App、或者第三方数据接口。建议在data_clean.py外层封装一层数据源适配接口例如def load_from_db(): # 从数据库读取比赛记录 pass def load_from_api(): # 从接口读取比赛记录 pass def load_from_excel(): # 从 Excel 读取比赛记录 pass这样底层数据源更换时上层统计逻辑完全不用动。6.2 指标定义标准化胜率、场均得分、连续胜利场次这些指标在不同团队里可能有不同定义。例如胜率的分母是只算完赛还是包括弃权连续胜利是按照自然时间还是按照参赛顺序。建议在项目文档中明确指标口径并在代码中使用常量来管理阈值避免魔法数字散落在各处。6.3 异常数据处理比分数据一旦出现异常往往会影响所有统计结果。建议在清洗阶段增加更细粒度的检查比如同一对选手在同一轮次出现两场记录、score_a和score_b都大于4、或者winner不是两个选手之一。这些规则可以做成一个数据质量报告每次跑批之后输出便于及时发现上游数据问题。6.4 性能优化如果比赛记录量达到几十万条apply逐行处理会非常慢。可以将loser计算改成向量化方式df[loser] pd.Series(np.where( df[winner] df[player_a], df[player_b], df[player_a] ))np.where比apply快一个数量级。交叉表计算在数据量大时也可能成为瓶颈建议只对活跃选手做统计或者先按赛事进行过滤。6.5 输出结果管理图表和统计表的分页输出建议统一放到output目录并按照日期分子目录存放例如output/20241201/win_rate.png。这样方便做历史版本追溯。CSV 导出时建议使用utf-8-sig编码避免 Excel 打开乱码。6.6 部署与自动化如果希望每天自动更新看板可以使用 cron 或 Windows 计划任务定时执行run_analysis.py并在脚本末尾增加自动发送邮件或推送企业微信通知的功能。Flask 应用部署到服务器时不建议使用 Flask 自带的开发服务器而是通过 gunicorn 或 uWSGI 部署并用 Nginx 做反向代理。7. 总结与学习路线本文以一个乒乓球赛事数据分析项目为主线从项目环境搭建、模拟数据生成、数据清洗、基础统计、可视化到 Flask 看板完整走通了一条轻量级数据分析链路。通过这套流程你可以快速回答“谁胜率最高”“谁克制谁”“哪些轮次冷门更多”这类问题而且代码可以直接复用到自己的比赛数据上。接下来如果想继续深入可以从三个方向扩展。第一是把数据源换成真实数据库表学习 pandas 与 MySQL、PostgreSQL 的连接方式。第二是增加预测类分析比如基于选手近期胜率和交手记录构建一个简单的 Elo 评级系统用于赛前预测。第三是把静态图表升级为交互式看板使用 Plotly Dash 或 ECharts 实现点击筛选、动态排序等能力。实际项目中优先关注数据质量先保证比分、胜者、日期这些基础字段准确再考虑复杂算法。数据基础不牢任何分析结果都会失真。建议拿到一份新数据后先把本文的数据清洗流程完整跑一遍形成数据质量报告再进入统计和可视化环节。如果动手实践过程中遇到问题欢迎在评论区留下你的报错信息和数据示例一起讨论改进方案。