实用脚本统计直塞球成功率是多少？

wen 实用脚本 2026-09-12 1

统计直塞球成功率的实用脚本

下面给你一个完整的 Python 脚本示例，用于统计足球比赛中直塞球（Through Ball）的成功率。

实用脚本统计直塞球成功率是多少？

核心指标定义

直塞球成功率 = 成功直塞次数 / 直塞总次数 × 100%

成功直塞：球被队友接到，且形成有效进攻（射门/继续控球）
失败直塞：被对方拦截、出界、队友未接到

基础版脚本（CSV 数据）

假设你有一份事件数据 events.csv：

match_id,minute,player,team,event_type,outcome
M001,12,德布劳内,曼城,through_ball,success
M001,25,德布劳内,曼城,through_ball,fail
M001,33,京多安,曼城,through_ball,success
M001,47,B席,曼城,through_ball,fail
M001,58,德布劳内,曼城,through_ball,success

脚本代码

import pandas as pd
# 1. 读取数据
df = pd.read_csv("events.csv")
# 2. 筛选直塞球事件
tb = df[df["event_type"] == "through_ball"].copy()
# 3. 统计成功 / 失败
tb["is_success"] = tb["outcome"] == "success"
total = len(tb)
success = tb["is_success"].sum()
fail = total - success
rate = success / total * 100 if total else 0
# 4. 输出总体结果
print("=" * 40)
print(f"直塞总次数: {total}")
print(f"成功次数:   {success}")
print(f"失败次数:   {fail}")
print(f"成功率:     {rate:.2f}%")
print("=" * 40)
# 5. 按球员统计
player_stats = tb.groupby("player").agg(
    直塞次数=("is_success", "size"),
    成功次数=("is_success", "sum"),
)
player_stats["成功率(%)"] = (
    player_stats["成功次数"] / player_stats["直塞次数"] * 100
).round(2)
player_stats = player_stats.sort_values("成功率(%)", ascending=False)
print("\n【按球员统计】")
print(player_stats)
# 6. 导出结果
player_stats.to_csv("through_ball_stats.csv", encoding="utf-8-sig")

进阶版：加入场地区域和比赛阶段

import pandas as pd
df = pd.read_csv("events.csv")
tb = df[df["event_type"] == "through_ball"].copy()
tb["is_success"] = tb["outcome"] == "success"
# 按球队统计
team_stats = tb.groupby("team").apply(
    lambda g: pd.Series({
        "直塞次数": len(g),
        "成功次数": g["is_success"].sum(),
        "成功率(%)": round(g["is_success"].mean() * 100, 2),
    })
)
# 按比赛阶段统计（假设有 minute 字段）
def phase(m):
    if m <= 30:   return "上半场前段"
    elif m <= 45: return "上半场后段"
    elif m <= 75: return "下半场前段"
    else:         return "下半场后段"
tb["阶段"] = tb["minute"].apply(phase)
phase_stats = tb.groupby("阶段").agg(
    直塞次数=("is_success", "size"),
    成功次数=("is_success", "sum"),
)
phase_stats["成功率(%)"] = (phase_stats["成功次数"] / phase_stats["直塞次数"] * 100).round(2)
print("【按球队】\n", team_stats)
print("\n【按阶段】\n", phase_stats)

如果用 StatsBomb / Opta 数据

StatsBomb 示例

from statsbombpy import sb
events = sb.events(match_id=3788741)
# StatsBomb 中直塞球定义为 pass 且 pass_type = "Through Ball"
tb = events[
    (events["type"] == "Pass") &
    (events["pass_type"].astype(str).str.contains("Through Ball", na=False))
].copy()
tb["success"] = tb["pass_outcome"].isna()  # 无 outcome 即为成功
rate = tb["success"].mean() * 100
print(f"直塞球成功率: {rate:.2f}%  (样本 {len(tb)} 次)")

Opta 示例

Opta 中直塞球类型码通常是 pass_type = 4（Through Ball），成功判定看 outcome = 1（成功）：

tb = df[(df["type_id"] == 1) & (df["pass_type_id"] == 4)]
tb["success"] = tb["outcome"] == 1
print(f"成功率: {tb['success'].mean()*100:.2f}%")

常见坑与建议

问题	建议
样本太小（<10次）	成功率不可信，需加置信区间
不同数据源定义不同	统一「直塞球」口径后再比较
中场直塞 vs 禁区直塞	分区统计更客观
领先/落后情况	比赛状态会影响冒险程度