7.6 构造示例③：量化伤停折损与阵容完整度

「主力缺阵」是分析中最模糊的变量。这一篇把它变成数字。

一、三个必须量化的维度#

二、第一步：量化球员贡献度#

方法一：出场时间占比（最粗糙但可用）#

def minutes_share(player_minutes, team_total_minutes):
    """球员出场时间占球队总时间的比例，衡量基础重要性"""
    if team_total_minutes <= 0:
        return 0.0
    return player_minutes / team_total_minutes

问题：它无法区分「很重要的球员」和「只是出场多」。

方法二：进球参与贡献度（进阶）#

def goal_involvement(goals, assists, team_goals):
    """进球参与度：球员参与的进球占球队总进球的比重"""
    if team_goals <= 0:
        return 0.0
    return (goals + assists) / team_goals

问题：只反映进攻贡献，忽略了防守型球员。

方法三：综合贡献分（推荐）#

def contribution_score(player, team):
    """综合贡献分：把出场时间与产出一并考虑

    player: 含 minutes_share / goal_involvement / advanced_score 的字典
    team  : 球队层面的基准值，用于归一化
    """
    # 三项子指标，各自归一到 0~1 后加权平均
    w_time   = player.get('minutes_share', 0) or 0
    w_goal   = min(1.0, player.get('goal_involvement', 0) or 0)
    w_adv    = player.get('advanced_score', 0) or 0   # 高阶指标，已归一到 0~1

    # 权重可按位置调整（见下一节）
    return 0.4 * w_time + 0.3 * w_goal + 0.3 * w_adv

关于高阶指标的使用：
球小策提供的球员高阶指标覆盖面广、颗粒度细，非常适合作为这一层的输入。
你完全可以直接用它作为 advanced_score，而不必自己从基础统计重构一个。
这就是「用 API 拿原料 + 自己建模型」的分工。

三、第二步：按位置区分权重#

不同位置的关键度不同：

POSITION_WEIGHT = {
    'GK':  1.15,
    'DF':  1.05,
    'DM':  1.30,   # 单后腰单独提升
    'MF':  1.10,
    'FW':  1.15,
    'W':   0.90,   # 边锋通常有轮换
    'FB':  0.85,   # 边后卫
}

def weighted_loss(player, position):
    """单名球员缺阵造成的损失权重"""
    base = contribution_score(player, None)
    w = POSITION_WEIGHT.get(position, 1.0)
    return base * w

注意：上表的系数是教学参考值。你应该用你自己的数据做验证——用什么方法见 7.9。

四、第三步：计算阵容完整度#

def squad_integrity(players, unavailable_ids):
    """阵容完整度：1 减去缺阵球员损失占比之和"""

    # 全队贡献总和（作为分母）
    total = sum(contribution_score(p, None) * POSITION_WEIGHT.get(p.get('position', 'MF'), 1.0)
                for p in players)
    if total <= 0:
        return {'integrity': 1.0, 'loss_detail': []}

    loss = 0.0
    detail = []
    for p in players:
        if p.get('id') in unavailable_ids:
            w = contribution_score(p, None) * POSITION_WEIGHT.get(p.get('position', 'MF'), 1.0)
            loss += w
            detail.append({
                'name': p.get('name'),
                'position': p.get('position'),
                'loss_ratio': round(w / total, 4),
            })

    # 限制下界，防止极端情况给出负值或接近 0 的无意义值
    integrity = max(0.4, 1.0 - loss / total)
    return {'integrity': round(integrity, 3), 'loss_detail': detail}

五、第四步：按位置修正对应的指标#

最关键的一点：不要把完整度当作一个统一乘数。不同位置缺阵，影响的是不同指标。

def apply_injury_adjustment(base_metrics, loss_detail):
    """按缺阵位置分别修正对应指标"""
    adj = dict(base_metrics)   # 复制一份，不修改原对象

    for item in loss_detail:
        pos = item.get('position')
        ratio = item.get('loss_ratio', 0)
        # 用 1 - 损失比例 作为折扣系数
        factor = 1.0 - min(0.5, ratio * 2)   # 单项损失最多打五折

        if pos in ('FW', 'W'):
            adj['attack_index'] = adj.get('attack_index', 0) * factor
        elif pos in ('MF', 'DM'):
            adj['creativity_index'] = adj.get('creativity_index', 0) * factor
        elif pos in ('DF', 'GK'):
            adj['defense_index'] = adj.get('defense_index', 0) * factor

    return adj

六、一个必须说明的限制#

所有系数都是经验值，需要你自己验证。
上表中的位置权重、0.4/0.3/0.3 的分配、折扣上限 0.5，都属于教学起点。
正确做法是：用历史数据回测，看哪组参数对「缺阵后的实际表现变化」拟合得最好。
这正是「权重怎么定」要解决的问题 → 7.8。

七、三个实战注意点#

• 「出战成疑」要分两种情形评估，不要取中间值；
• 注意轮换与伤病是两回事：没有伤病不等于全主力出战；
• 注意赛季初样本不足：新赛季前几轮，球员贡献度指标还不稳定。

下一步该看什么#

• 市场离散度构造 → 7.7
• 权重怎么定 → 7.8