根据开源项目，进攻三区传球成功率？

本文目录导读：

1. 常用开源/公开数据源
2. 计算逻辑（以 StatsBomb 为例）
3. 可参考的开源项目
4. 注意事项

在足球数据分析领域，“进攻三区传球成功率”（Final Third Pass Accuracy）通常指：球员或球队在对方后场最后三分之一区域内的成功传球数 ÷ 该区域内总传球尝试数。

开源项目里并没有一个统一、直接叫这个名字的现成指标，需要自己基于事件数据计算，下面按“开源数据源 → 计算逻辑 → 可用的开源项目”

常用开源/公开数据源

要做“进攻三区传球成功率”，必须用带坐标的逐事件数据，首选 StatsBomb Open Data。

计算逻辑（以 StatsBomb 为例）

1. 确定进攻方向：每支球队进攻方向不同，需按 possession_team 和半场翻转坐标，统一为“进攻方向 = x 增大”。
2. 划分三区：球场长 120（StatsBomb 坐标），进攻三区通常指 x > 80（即最后 40 码/约 1/3）。
3. 筛选传球事件：type == "Pass"。
4. 判断起点是否在进攻三区：pass.start_x > 80（有的口径用终点，需明确）。
5. 统计：
   • 总传球 = 该区域内所有 Pass
   • 成功传球 = pass.outcome 为空（StatsBomb 中成功传球无 outcome 字段）
   • 成功率 = 成功 / 总

# 伪代码
final_third_passes = df[
    (df.type == "Pass") &
    (df.pass_start_x > 80)   # 进攻三区
]
success = final_third_passes[final_third_passes.pass_outcome.isna()]
accuracy = len(success) / len(final_third_passes)

可参考的开源项目

1. statsbomb/open-data（GitHub）

   官方开放数据，含逐事件坐标,是计算基础。

2. mckayjohns/Football_Analytics（GitHub）

   有大量 StatsBomb 数据可视化与指标计算示例,可改成进攻三区传球。

3. socceraction（GitHub，ML-KULeuven）

   把事件数据转成 SPADL 格式，统一坐标,方便按区域统计。

4. mplsoccer（GitHub）

   画传球图、分区图，常配合 StatsBomb 使用。

5. FBref / fbref-scraper

   若只要球队级汇总，FBref 有 “Final Third” 相关传球数据（部分联赛）,可直接爬。

6. understat / understatapi

   无传球区域数据,不适用。

注意事项

• 口径差异：起点在进攻三区 vs 终点在进攻三区，结果不同；是否含传中、角球、界外球也要定义。
• 坐标翻转：StatsBomb 每队进攻方向不同，必须统一,否则区域判断会错。
• 成功定义：StatsBomb 中“成功传球”= 无 outcome；被拦截、出界、被断都算失败。
• 样本量：单场进攻三区传球可能只有几十次，成功率波动大,建议多场累计。

如果你告诉我你用的是 StatsBomb 还是 Wyscout，以及要球员级还是球队级，我可以给你一段能直接跑的完整 Python 代码。