您提到的“直塞球成功率”，在足球数据统计中并没有一个全球统一的固定数值，因为它不是一个官方标准统计项（官方通常只统计传球成功率、关键传球、助攻等），而是由各大数据公司（如Opta、SofaScore、Whoscored）自定义的。
根据主流体育媒体和数据分析机构的长期统计，职业足球比赛中，直塞球的成功率通常在 30% 到 45% 之间。
具体可以细分为以下几个维度：
总体平均成功率（约 30%-40%） 由于直塞球是风险极高的传球（通常要穿透2-3名防守球员），它的成功率远低于普通传球（普通传球通常有85%+），大多数球员全场尝试直塞,能成功找到队友的次数不到一半。
按球员位置区分
- 中场组织核心（如德布劳内、厄德高）：虽然他们名气大，但成功率通常在 35% - 45% 左右，因为他们的直塞往往瞄准最危险的禁区肋部，防守密集,一旦失败就会被反击。
- 前锋/前腰（如梅西、哈维）：梅西在巅峰期的直塞成功率极高，接近 50%-55%，这是一个非常恐怖的数据,因为他通常在被包夹时仍能精准送出球。
按球队战术区分
- 高位逼抢、快攻型球队：成功率较低（约25%-30%），因为他们追求极快的抛物线,容易失误。
- 阵地战控球型球队：成功率较高（约40%）,因为球员会通过倒脚拉扯出空间后再直塞。
极端案例（仅供参考）
- 哈维·阿隆索（长传+直塞大师）：在2010年代，统计其穿透性传球（含长传直塞）成功率达到了惊人的 50%以上。
- 德布劳内（曼城）：在2022-2023赛季，他的关键传球（含直塞）成功率约为 38%，但他是全欧直塞球尝试次数最多的球员,所以绝对数很高。
如果你想自己在脚本中统计：
这个数值完全取决于你定义的“直塞球”标准，在编写代码时,建议按以下逻辑处理：
# 伪代码示例
def calculate_through_ball_success(events):
attempts = 0
successful = 0
for event in events:
if event['type'] == 'pass' and event['sub_type'] == 'through_ball':
attempts += 1
# 直塞成功的定义：接球方在防守球员身后拿到了球，并且形成了射门或进攻机会
# 通常用“是否接到球并完成一次具有威胁的触球”来判断
if event['outcome'] == 'successful':
successful += 1
return successful / attempts if attempts > 0 else 0
# 如果是手动统计，可以把“直塞”定义为：
# 1. 球穿透了最后一名后卫？
# 2. 接球队员是否在禁区内或禁区前沿获得了直接进攻机会？
小贴士： 如果你在做数据分析，建议不要只看成功率，还要结合直塞球尝试次数（总量的多寡）和直塞球转化为射门的比率，成功率低但尝试次数多的球员,对球队的战术价值反而更大。
