本文目录导读：
- 如果你说的是
openfootball/football-data或类似“数据采集类”项目 - 如果你说的是
statsbombpy或StatsBomb开源数据仓库 - 如果你说的是
kloppy或flufl这类“数据处理/转换库” - 如果你说的是
soccer_xg这类“专属 xG 模型”项目 - 如果你能告诉我具体的项目名称（比如 GitHub 链接），我可以给你 100% 准确的答复。
要回答“这个开源项目是否分析门将的PSxG数据”，我需要先知道你具体指的是哪一个开源项目。
因为“PSxG”（Post-Shot Expected Goals，射门后预期进球数）是足球数据分析中非常专业且热门的指标，目前市面上有多个开源项目涉及它。
我可以根据目前最主流、最知名的几个开源足球数据分析项目，给出一个分类判断：
如果你说的是 openfootball / football-data 或类似“数据采集类”项目
答案：不直接分析，但提供底层事件数据。
这类项目（如 openfootball 或抓取 API 的仓库）通常只提供原始事件流（传球、射门等）和比赛结果，PSxG 是一个模型输出值，需要基于射门的落点、速度、角度等计算。
如果你说的是 statsbombpy 或 StatsBomb 开源数据仓库
答案：部分是（可直接获取）。
StatsBomb 官方免费开放了部分比赛数据（如世界杯、欧冠等），在这些数据集中，包含了 shot 事件的 shot_statsbomb_xg（即 PSxG）。
你可以直接使用 statsbombpy 库拉取数据，然后提取该字段进行门将表现分析。
如果你说的是 kloppy 或 flufl 这类“数据处理/转换库”
答案：不直接分析，但可用来构建分析流程。
这些库专注于将不同格式的数据（如 Opta、Wyscout）标准化，它们本身不计算 PSxG，但你可以结合 xG 模型（如 xG_model）或自己构建的模型，利用这些库的数据来计算门将的扑救期望。
如果你说的是 soccer_xg 这类“专属 xG 模型”项目
答案：通常分析的是射门预期，而不是门将专项。 这些项目主要用于预测“这一脚射门能不能进”，如果你想用它们来评估门将，你需要自己定义指标：
- 门将失球 vs 每次被封堵射门的 PSxG 差值（PSxG-GA） —— 这是衡量门将“扑救超神/超鬼”的核心指标。
如果你能告诉我具体的项目名称（GitHub 链接），我可以给你 100% 准确的答复。
如果你现在手头没有具体项目，只是想找“能分析门将 PSxG 的开源项目”，建议直接关注：
StatsBomb官方的公开数据教程（包含了门将扑救分析）。Understat（虽然严格来说不是开源项目，但数据常被爬取分析）。mplsoccer（可视化库，常配合 PSxG 数据做门将表现图）。
另外提醒一下：
在足球数据领域，Open Skills 项目的 football-data 在某些版本中提供了 expected_goals 字段，但该字段通常是指射门瞬间的 xG（射门前），默认不提供“射门后”的 PSxG。
你可以把项目名称发给我，我来帮你查它的代码和文档。 这样能确认它到底是计算了 PSxG，还是只是用了 xG 或者干脆没有。
