实用脚本统计脚后跟传球成功几次？

本文目录导读：

1. 先定义清楚“脚后跟传球成功”
2. Python 脚本（pandas 版）
3. 按球队/比赛统计（可选）
4. 统计成功率（更严谨）
5. 如果你用的是 StatsBomb 开放数据
6. 注意事项

要统计“脚后跟传球成功次数”，需要先明确数据源和统计口径，下面给你一个可落地的脚本框架，适用于足球赛事数据（如 Opta、StatsBomb、Wyscout 或自定义标注数据）。

先定义清楚“脚后跟传球成功”

统计前必须明确 3 个字段：

注意：不同数据源字段名不同，下面用通用字段名，实际替换即可。

Python 脚本（pandas 版）

假设你有一份 CSV，字段包括： match_id, player_id, player_name, pass_body_part, pass_outcome

import pandas as pd
# 1. 读取数据
df = pd.read_csv("passes.csv")
# 2. 筛选脚后跟传球
heel_passes = df[df["pass_body_part"].str.lower().isin(["heel", "backheel"])]
# 3. 筛选成功传球
heel_success = heel_passes[
    heel_passes["pass_outcome"].str.lower().isin(["complete", "successful", "success"])
]
# 4. 按球员统计成功次数
result = (
    heel_success.groupby(["player_id", "player_name"])
    .size()
    .reset_index(name="backheel_success_count")
    .sort_values("backheel_success_count", ascending=False)
)
print(result)
# 5. 导出
result.to_csv("backheel_success_stats.csv", index=False)

按球队/比赛统计（可选）

# 按球队
team_result = (
    heel_success.groupby("team_name")
    .size()
    .reset_index(name="backheel_success_count")
    .sort_values("backheel_success_count", ascending=False)
)
# 按比赛
match_result = (
    heel_success.groupby("match_id")
    .size()
    .reset_index(name="backheel_success_count")
)

统计成功率（更严谨）

summary = (
    heel_passes.groupby(["player_id", "player_name"])
    .agg(
        backheel_total=("pass_outcome", "size"),
        backheel_success=("pass_outcome", lambda x: x.str.lower().isin(
            ["complete", "successful", "success"]).sum())
    )
    .reset_index()
)
summary["success_rate"] = summary["backheel_success"] / summary["backheel_total"]
summary = summary.sort_values("backheel_success", ascending=False)

如果你用的是 StatsBomb 开放数据

StatsBomb 中传球部位字段是 pass.body_part.name，脚后跟为 "Heel"，成功传球看 pass.outcome 是否为空（None 表示成功）。

import json
import pandas as pd
with open("events.json", encoding="utf-8") as f:
    events = json.load(f)
rows = []
for e in events:
    if e["type"]["name"] == "Pass":
        body = e["pass"].get("body_part", {}).get("name")
        outcome = e["pass"].get("outcome", {}).get("name")  # None = 成功
        rows.append({
            "player": e["player"]["name"],
            "team": e["team"]["name"],
            "body_part": body,
            "success": outcome is None
        })
df = pd.DataFrame(rows)
heel = df[df["body_part"] == "Heel"]
result = heel.groupby(["player", "team"])["success"].sum().reset_index(
    name="backheel_success")
print(result.sort_values("backheel_success", ascending=False))

注意事项

1. 数据源差异：Opta 用 heel，StatsBomb 用 Heel，Wyscout 可能用 back，需先确认字段值。
2. “成功”定义：有的数据源把“传球被队友接到”算成功，有的算“未被拦截”，要统一口径。
3. 事件级 vs 聚合级：上面是事件级统计，若你只有聚合数据（如每场传球部位分布），则无法精确到“成功次数”。
4. 样本量小：脚后跟传球本身频率低，单场统计意义有限，建议按赛季/多场聚合。

如果你能告诉我数据源格式（CSV 字段、StatsBomb、Opta、还是自建标注表），我可以把脚本改成直接可跑的版本。