基于球员运动与事件数据填充橄榄球比赛Ball Position列咨询

1. 事件区间划分 #

从关联后的数据集里提取所有关键事件节点（比如传球发起、传球成功、持球开始/结束、失误等），按时间索引排序，把整个比赛时间线分割成独立的事件区间，给每个区间打上标签：

• passing：传球阶段（比如索引1到5，Player1传球给Player2）
• carrying：持球阶段（比如索引5到9，Player2控球推进）
  同时记录每个区间的起始/结束索引、涉及的球员（传球者、接球者/持球者）。

2. 持球阶段的球位置填充 #

对carrying类型的区间，直接将对应持球球员的X、Y坐标赋值给Ball Position：

• 比如区间5-9是Player2持球，那么索引5到9的Ball_X = X_Plr2，Ball_Y = Y_Plr2
• 代码示例（Python）：

  # 假设df是关联后的数据集，已标记区间类型和持球球员
  carrying_mask = df['interval_type'] == 'carrying'
  carrier_col = df.loc[carrying_mask, 'carrier'].iloc[0]
  df.loc[carrying_mask, 'Ball_X'] = df.loc[carrying_mask, f"X_{carrier_col}"]
  df.loc[carrying_mask, 'Ball_Y'] = df.loc[carrying_mask, f"Y_{carrier_col}"]
  

3. 传球阶段的球位置线性插值 #

对passing类型的区间，按线性路径生成球的位置：

1. 获取传球起始点（传球者在起始索引的坐标）和终点（接球者在结束索引的坐标）：
   • 起始坐标：start_x = df.loc[start_idx, f"X_{passer}"]，start_y = df.loc[start_idx, f"Y_{passer}"]
   • 终点坐标：end_x = df.loc[end_idx, f"X_{receiver}"]，end_y = df.loc[end_idx, f"Y_{receiver}"]
2. 根据区间内的时间步数（结束索引-起始索引+1），对X、Y分别做线性插值，生成每个时间点的球位置：

• 代码示例（Python）：

  import numpy as np
  
  # 遍历每个传球区间
  for interval in passing_intervals:
      start_idx, end_idx = interval['start'], interval['end']
      passer = interval['passer']
      receiver = interval['receiver']
      
      # 获取起始和终点坐标
      start_x = df.loc[start_idx, f"X_{passer}"]
      start_y = df.loc[start_idx, f"Y_{passer}"]
      end_x = df.loc[end_idx, f"X_{receiver}"]
      end_y = df.loc[end_idx, f"Y_{receiver}"]
      
      # 生成线性插值序列
      num_steps = end_idx - start_idx + 1
      ball_x = np.linspace(start_x, end_x, num_steps)
      ball_y = np.linspace(start_y, end_y, num_steps)
      
      # 赋值到数据集
      df.loc[start_idx:end_idx, 'Ball_X'] = ball_x
      df.loc[start_idx:end_idx, 'Ball_Y'] = ball_y
  

4. 边界情况处理 #

• 若存在无事件标记的空白区间，默认按最近的持球球员坐标填充，或标记为待确认。
• 若传球结果为失败（比如被截断），只填充到失误发生的索引，后续球位置标记为NaN或按规则处理。

5. 结果验证 #

随机抽取几个区间检查：持球阶段球位置是否和球员轨迹完全重合，传球阶段是否为平滑线性路径；若出现异常，回溯事件数据是否有误，调整插值逻辑。

内容的提问来源于stack exchange，提问作者Sam