大数据实战之足彩必发指数

大数据实战之足彩必发指数

接上一期“大数据实战之足彩必发指数”话题：

大数据实战之足彩凯利指数_sundayhost的专栏-CSDN博客购买中国体育彩票时，通常会纠结于30还是31亦或是10，今天基于pandas统计凯利指数：凯利指数是按照一场赛事中对所有公司开出的赔率和胜负平概率通过凯利指数计算公式得到的。其计算方法为：用市场平均的概率乘以某一家公司的赔率指数，即为该公司各项指数的凯利指数，它反映了各项指数存在的市场赔付风险，即市场动态与事前确立的赔付率之间的赔付差异。 了解了什么是凯利指数后，我们应该了解一场比赛中，不同赔率的公司对应的凯利指数总是会不同的。而只有较大的公司如竞彩...https://blog.csdn.net/sundayhost/article/details/121153995?spm=1001.2014.3001.5501本期分析必发指数在购买中国体育彩票时的运用，主要是利用SQL + Python + Jupyter Notebook + Pandas对必发交易中的相关指数对应的比赛结果作出概率统计，供大家参考：

必发交易指数作为资深彩民日常分析的几个重要参数之一，一些玩家在缺乏必发交易指数时会主动放弃投注。

更重要的是：我们可见的交易数据是否真实？什么条件下可信？               

必发指数分布与比赛结果分析            
        计算打出某个选项时，胜平负各项的资金盈亏占总交易量的比例，反映该项打出时庄家的盈亏情况。彩民一般喜欢查看的i必发指标有盈亏额情况和必发盈亏指数，下面就资金盈亏情况展开说明思路，其它的指标的解决方法完全一致。

1. 读取数据文件；

2. 将盈亏额换算转换为两个部分：一是给盈亏做标签；二是将盈亏统一值；

3. 按照步骤2的二是内容，计算值分布；

4. 将步骤3与步骤2中一是内容结合，计算出盈亏大小分布情况；

5. 将步骤4的内容整合在一列，用到.str.cat即可；

6. 查看盈亏分布类型；

7. 查询任何盈亏额分布条件下的胜平负结果；

#按照'-3,1,1'类型计算有比赛的场次个数
df4 = final_data[final_data['befa1']=='-3,1,1']
#按照'-3,1,1'类型计算有比赛胜平负场次个数
df3 = final_data[(final_data['befa1']=='-3,1,1') & (final_data['result310']=='3')]
df1 = final_data[(final_data['befa1']=='-3,1,1') & (final_data['result310']=='1')]
df0 = final_data[(final_data['befa1']=='-3,1,1') & (final_data['result310']=='0')]
print(len(df3),len(df1),len(df0),len(df4))

上图表明，出现主胜庄亏而平负盈利且相同时，比赛结果大概率为主胜。但是情况为什么这么少，可以通过df4查看这几场都为哪些球队之间的比赛。

另外，可以讲条件划分的更具体，比如添加亚洲盘口下的盈亏额分布与比赛结果。