想做哪个赛季、什么口径的“赛季表现排行榜”？我先确认下需求就能给你榜单或脚本。

请确认

• 赛季：如 2024-25 常规赛，或某历史赛季
• 比赛范围：常规赛/季后赛/合计
• 球员范围：是否区分外援/本土；最少出场或场均分钟门槛
• 指标：单项领袖（得分/篮板/助攻/抢断/盖帽/命中率/三分/TS%/正负值等）还是综合评分榜
• 输出：TOP10/20，是否要导出为 CSV/Excel/图片

可选方案

1. 快速领袖榜：我按你指定的指标给出各项 TOP10（需要赛季与口径）。
2. 综合评分榜：用标准化后的综合评分（可调权重）生成总榜，另附单项榜。
3. 数据驱动：你给我本地 CSV/Excel，我用脚本清洗、算指标、导出榜单和图表。

如果你已有数据文件，下面这个最小脚本可直接把任意赛季的 CSV 生成多项排行榜与一个“综合评分”榜。你只要确保列名包含常见统计：Player, Team, GP, MIN, PTS, REB, AST, STL, BLK, TOV, FGA, FGM, 3PA, 3PM, FTA, FTM。

示例脚本（Python）

# scripts/cba_rank.py
import argparse, pandas as pd, numpy as np

def ts_pct(df):
    pts = df["PTS"]; fga = df["FGA"]; fta = df["FTA"]
    denom = (2*(fga + 0.44*fta)).replace(0, np.nan)
    return (pts/denom).fillna(0.0)

def per36(df, col):
    return (df[col] / df["MIN"] * 36).replace([np.inf, -np.inf], 0).fillna(0.0)

def zscore(s):
    return (s - s.mean()) / (s.std(ddof=0) if s.std(ddof=0) != 0 else 1)

def build_score(df):
    # Simple, interpretable composite; adjust weights as needed.
    df = df.copy()
    df["PTS36"] = per36(df, "PTS")
    df["REB36"] = per36(df, "REB")
    df["AST36"] = per36(df, "AST")
    df["STK36"] = per36(df, "STL") + per36(df, "BLK")
    df["TOV36"] = per36(df, "TOV")
    df["TS"] = ts_pct(df)

    score = (
        0.40*zscore(df["PTS36"]) +
        0.18*zscore(df["TS"]) +
        0.15*zscore(df["AST36"]) +
        0.12*zscore(df["REB36"]) +
        0.10*zscore(df["STK36"]) -
        0.15*zscore(df["TOV36"])
    )
    return score

def rank_top(df, by, n=10, desc=True):
    cols = ["Player", "Team", "GP", "MIN", by]
    return df.sort_values(by=by, ascending=not desc)[cols].head(n)

def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("csv", help="input stats CSV")
    ap.add_argument("--min-gp", type=int, default=10)
    ap.add_argument("--min-min", type=float, default=10.0)
    ap.add_argument("--top", type=int, default=10)
    ap.add_argument("--out", default=None, help="optional output CSV prefix")
    args = ap.parse_args()

    df = pd.read_csv(args.csv)
    required = ["Player","Team","GP","MIN","PTS","REB","AST","STL","BLK","TOV","FGA","FGM","3PA","3PM","FTA","FTM"]
    missing = [c for c in required if c not in df.columns]
    if missing:
        raise SystemExit(f"Missing columns: {missing}")

    df = df[(df["GP"] >= args.min_gp) & (df["MIN"] >= args.min_min)].copy()
    df["TS%"] = ts_pct(df) * 100
    df["Score"] = build_score(df)

    leaderboards = {
        "Score": rank_top(df, "Score", args.top),
        "PTS":   rank_top(df, "PTS", args.top),
        "REB":   rank_top(df, "REB", args.top),
        "AST":   rank_top(df, "AST", args.top),
        "STL":   rank_top(df, "STL", args.top),
        "BLK":   rank_top(df, "BLK", args.top),
        "TS%":   rank_top(df, "TS%", args.top),
    }

    for name, tbl in leaderboards.items():
        print(f"\n=== TOP {args.top} {name} ===")
        print(tbl.to_string(index=False))
        if args.out:
            tbl.to_csv(f"{args.out}_{name}.csv", index=False, encoding="utf-8")

if __name__ == "__main__":
    main()

想法与扩展

• 门槛与归一化：用场均分钟或出场场次过滤，按每36分钟或每百回合标准化更公平。
• 指标可加：命中率、三分命中率、罚球率、正负值、进攻/防守篮板、失误率、使用率；若有回合数可算 ORtg/DRtg。
• 分组榜：可分别给本土球员榜与外援榜。
• 输出：我可加导出 Excel 工作簿、PNG 表格或条形图。

告诉我赛季与口径，或者把数据文件放到仓库里（路径+列名），我马上给你生成对应的排行榜。