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
• pandas：1.5 以上
• matplotlib：3.6 以上
• seaborn：0.12 以上
• Flask：2.2 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：

这里的得分指的是总局数。比如“4比2获胜”，则score_a=4、score_b=2，winner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, size=2, replace=False) # 随机生成比赛日期 date = datetime(2024, 1, 1) + timedelta(days=np.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': f'MATCH_{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', index=False, encoding='utf-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, encoding='utf-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'], errors='coerce') 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(drop=True) 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(name='wins') # 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'], axis=1 ) lose_stats = df.groupby('loser').size().reset_index(name='losses') lose_stats.rename(columns={'loser': 'player'}, inplace=True) # 合并胜场和负场 stats = win_stats.rename(columns={'winner': 'player'}).merge( lose_stats, on='player', how='outer' ).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', ascending=False).reset_index(drop=True) 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：

4.3 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']])), axis=1 ) # 统计每对选手的交手次数 pair_count = df.groupby('pair').size().reset_index(name='count') # 统计每对选手中各自的胜场数 matchup_matrix = pd.crosstab( index=[df['player_a'], df['player_b']], columns=df['winner'], aggfunc='size', fill_value=0 ) 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_path='output/win_rate.png'): fig, ax = plt.subplots(figsize=(10, 6)) sns.barplot( data=player_stats.sort_values('win_rate'), x='win_rate', y='player', palette='Blues_d', ax=ax ) ax.set_title('选手胜率排名', fontsize=16) ax.set_xlabel('胜率') ax.set_ylabel('选手') plt.tight_layout() plt.savefig(output_path, dpi=150) 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SimHei，macOS 下可以用PingFang SC，Linux 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_path='output/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(kind='bar', stacked=True, ax=ax) ax.set_title('各轮次胜者分布', fontsize=16) ax.set_xlabel('轮次') ax.set_ylabel('获胜场次') plt.xticks(rotation=45) plt.tight_layout() plt.savefig(output_path, dpi=150) 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_ok=True) 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', ascending=False).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(name='wins') @app.route('/') def index(): table_html = player_stats.head(10).to_html(classes='table table-striped', index=False) return render_template( 'index.html', table_html=table_html, total_matches=len(df), top_player=player_stats.iloc[0]['player'], top_win_rate=round(player_stats.iloc[0]['win_rate'], 3) ) if __name__ == '__main__': app.run(debug=True)

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 lang="zh"> <head> <meta charset="UTF-8"> <title>乒乓球赛事看板</title> <link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/bootstrap@5.3.0/dist/css/bootstrap.min.css"> </head> <body> <div class="container mt-4"> <h1>乒乓球赛事数据看板</h1> <div class="row"> <div class="col-md-4"> <div class="card text-white bg-primary mb-3"> <div class="card-header">总比赛数</div> <div class="card-body"> <h5 class="card-title">{{ total_matches }}</h5> </div> </div> </div> <div class="col-md-4"> <div class="card text-white bg-success mb-3"> <div class="card-header">最高胜率选手</div> <div class="card-body"> <h5 class="card-title">{{ top_player }}</h5> </div> </div> </div> <div class="col-md-4"> <div class="card text-white bg-warning mb-3"> <div class="card-header">最高胜率</div> <div class="card-body"> <h5 class="card-title">{{ top_win_rate }}</h5> </div> </div> </div> </div> <h2 class="mt-4">选手胜率排行榜</h2> <div class="table-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

5.2 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encoding='utf-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encoding='gbk'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(classes='table 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border=0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(drop=True)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。