数据类
翻完近几个赛季的对阵记录，一些容易被忽略的规律开始浮现。在数据分析中，明确数据类型是洞察统计样本的前提。本文从历史交锋、进球失球等维度，拆解数值型、类别型、有序型等数据类型的分布与差异。
历史交锋脉络中的类别型数据
球队胜负结果编码
历史交锋记录中，胜负平属于典型的类别型数据（Win/Loss/Draw），无大小顺序。对近10次交锋统计，主队胜率约38%，客队胜率32%，平局30%。
交锋场地属性分布
场地类别（主场/客场/中立）对胜率影响显著。样本中主场作战时类别为“主场”，胜率高达55%，客场则降至25%。类别型数据在分组比较时需注意基准类选择。
主客场差异中的有序型与数值型数据
主客场平均进球数
场均进球属于数值型（连续），主队场均1.8球，客队1.2球，差值0.6。有序型数据如“进球区间”（0-1,2-3,4+）则能更直观反映主场优势的分布形态。
净胜球等级排序
净胜球作为有序型数据（负、零、正），主队净胜球为正的比例达60%，客队仅25%。有序型数据的秩相关检验表明主场优势具有统计显著性（p<0.05）。
进球与失球统计中的数值型数据
场均失球与方差
数值型数据可计算均值、标准差。主队场均失球0.9，客队1.5，标准差分别为0.3和0.7，表明客队失球波动更大。
进球概率密度分布
通过数值型数据拟合泊松分布，主队单场进2球概率约25%，客队进2球概率仅16%。这些统计样本为预期进球模型提供基础。
胜率走势样本中的时间序列数据
近5场胜率滑动平均
时间序列数据反映状态变化。主队近5场胜率滑动均值从0.6降至0.4，与历史均值0.55形成对比，提示状态回调风险。
赛季胜率趋势检验
对时间序列进行Mann-Kendall检验，主队赛季胜率显著下降趋势（z=-2.1,p=0.04），客队则无明显趋势（p=0.35）。
预期进球参考中的连续型数据
xG与实际进球回归
预期进球（xG）为连续型数值，与实际进球相关系数r=0.72。在统计样本中，主队xG均值1.6，实际1.8，客队xG1.1，实际1.2，偏差较小。
xG的区间分布
将xG分段（≤1,1-2,>2），主队xG>2的样本占20%，对应实际进球≥2的概率为85%。类别化处理有助于盘口分析。
样本局限性说明中的数据质量类型
缺失值处理与数据类型
样本中部分场次缺少控球率数据，属于缺失值。对于类别型变量，缺失值常作为独立类别，避免信息损失；数值型则多用均值插补。
小样本下的类型转换
当统计样本量不足30时，连续型数值可离散化为有序型（如高/中/低），以降低噪声。例如将射正率分为三档，稳定性提升。
控球与射门数据中的比例型数据
控球率的分组比较
控球率为0-1的连续比例数据，主队平均控球率55%，客队45%。按中位数分组后，高控球组胜率58%，低控球组42%——类别化处理揭示非线性关系。
射门数与射正率的联合分布
射门数为计数数值，射正率为比例数值。主队射门均值12.5，射正率0.35；客队射门9.8，射正率0.30。二者呈正相关（r=0.45），但高射门数伴随较高方差。
净胜球趋势中的时间序列数据
净胜球累计曲线
赛季净胜球随时间累积，主队净胜球从+2升至+8，客队从-3降至-7。使用滚动平均消除随机波动，揭示主队统治力增强。
净胜球季节效应
分月份统计净胜球均值，主队3-4月净胜球+2.3，9-10月仅+0.8，呈现季节性变动。时间序列分解可分离趋势与周期。
| 数据类型 |
典型指标 |
分析要点 |
样本容量建议 |
| 数值型 |
场均进球、射正率 |
描述统计、相关分析 |
≥30 |
| 类别型 |
胜负结果、场地属性 |
卡方检验、频率分布 |
每类≥10 |
| 有序型 |
净胜球等级、控球率分档 |
秩和检验、趋势检验 |
≥20 |
历史交锋数据主要属于哪种数据类型？
多为类别型（胜负平）和数值型（进球数），其中胜负平无序，适合卡方检验；进球数连续，可计算均值和方差。
主客场差异分析中，为何将控球率转为有序型？
控球率连续但可能非线性影响结果，离散化为高/中/低三档后，便于发现不同控球区间的胜率差异，降低随机波动。
预期进球（xG）数据在统计中的主要作用？
xG作为连续型数值，用于衡量射门质量，与实际进球回归可评估球队效率，同时也是盘口赔率的重要参考。
了解更多数据分析方法，请访问 ky.cn
