足球球员黄牌概率全矩阵计算代码故障排查请求

需求目标 #

• 构建包含449名球员两两对阵的黄牌概率网格，概率由三个因素决定：
  1. player_rate：球员场均黄牌获取率（例：0.5表示每2场得1张黄牌）
  2. team_rates：对手球队导致对手吃牌率与平均值的偏差（例：0.10表示对阵该队时吃牌概率比平均高10%）
  3. opponent_player_rates：对阵特定对手时的吃牌率偏差（例：0.05表示对阵该球员时吃牌概率比平均高5%）
• 计算公式：adjusted_likelihood = player_rate * (1 + team_rate + opponent_player_rate)

问题描述 #

运行提供的Python代码后，仅填充了矩阵第一行（Max Aarons对应的行），无法生成完整的449×449概率矩阵，部分NaN为预期情况（部分球队未设置team_rates）。

问题原因 #

1. 计算逻辑错误：原calculate_adjusted_likelihood函数仅通过zip遍历单组球员数据，只生成了449个值，而非两两对阵所需的449×449个值。
2. 数据长度不匹配：填充矩阵时，product(player_names, repeat=2)生成了449²个对阵组合，但adjusted_likelihoods仅449个值，仅能填充第一行所有列，后续位置无数据可用。
3. 未定义变量：原函数中使用了未传入的player_name变量，存在语法隐患。

修正后的代码 #

import pandas as pd
from itertools import product

# 将球员数据转为字典，提升取值效率
player_data = clubs_slim.set_index('player').to_dict('index')

# 初始化449×449的概率矩阵
df_likelihoods = pd.DataFrame(index=clubs_slim['player'], columns=clubs_slim['player'])

# 遍历所有两两对阵组合，逐个计算概率
for player_name, opponent_name in product(clubs_slim['player'], repeat=2):
    # 获取当前球员的场均黄牌率
    player_rate = player_data[player_name]['Yellows per 90']
    # 获取对手所在球队的吃牌偏差率
    team_rate = player_data[opponent_name]['CrdY Against Avg relative']
    # 获取对手的球员级吃牌偏差率
    opponent_player_rate = player_data[opponent_name]['Yellow Threat Scaled']
    
    # 处理NaN值，任一因素为NaN则结果保留NaN
    if not pd.isna(player_rate) and not pd.isna(team_rate) and not pd.isna(opponent_player_rate):
        adjusted_likelihood = player_rate * (1 + team_rate + opponent_player_rate)
    else:
        adjusted_likelihood = None
    
    # 填充矩阵对应位置
    df_likelihoods.at[player_name, opponent_name] = adjusted_likelihood

# 合并球员基础数据与概率矩阵
merged_df = clubs_slim[['player', 'squad', 'position', '90s', 'Yellows per 90', 'Yellow Threat']].merge(
    df_likelihoods.reset_index(),
    left_on='player',
    right_on='index'
).drop('index', axis=1)

# 导出结果到CSV
merged_df.to_csv('booking_likelihood_dump.csv')

# 展示最终结果
print(merged_df)

代码说明 #

• 用字典player_data存储球员数据，避免重复查询DataFrame，提升遍历效率。
• 直接遍历所有两两对阵组合，确保生成完整的449×449概率矩阵。
• 增加NaN值处理逻辑，符合需求中“部分NaN属于预期情况”的要求。
• 移除原代码中未定义变量的问题，逻辑更简洁清晰。

内容的提问来源于stack exchange，提问作者Philby_Walsh