球门球长传准确率(Python案例)
下面通过一个完整的 Python 案例,演示如何计算球门球长传准确率,这在足球数据分析(如 StatsBomb、Opta 数据)中是常见指标。

指标定义
球门球长传准确率 = 长传成功的球门球次数 / 长传的球门球总次数 × 100%
需要明确几个口径:
- 球门球(Goal Kick):由门将开出的死球
- 长传(Long Ball):通常定义为传球距离 ≥ 35 码(约 32 米)或 ≥ 40 米(不同数据源口径不同)
- 成功:传球被本方队友接到(未被拦截/出界)
模拟数据构造
import pandas as pd
import numpy as np
np.random.seed(42)
# 模拟一场比赛的传球事件数据
data = {
"event_id": range(1, 21),
"type": ["Goal Kick"] * 20,
"pass_length_m": np.random.randint(10, 70, 20), # 传球距离(米)
"is_long": None,
"success": np.random.choice([True, False], 20, p=[0.55, 0.45])
}
df = pd.DataFrame(data)
# 定义长传阈值:>= 32 米视为长传
LONG_PASS_THRESHOLD = 32
df["is_long"] = df["pass_length_m"] >= LONG_PASS_THRESHOLD
print(df.head())
计算准确率
# 筛选球门球中的长传
long_goal_kicks = df[(df["type"] == "Goal Kick") & (df["is_long"])]
# 长传总数与成功数
total_long = len(long_goal_kicks)
success_long = long_goal_kicks["success"].sum()
# 准确率
accuracy = success_long / total_long * 100 if total_long > 0 else 0
print(f"球门球长传总数: {total_long}")
print(f"长传成功次数: {success_long}")
print(f"球门球长传准确率: {accuracy:.2f}%")
示例输出:
球门球长传总数: 13
长传成功次数: 7
球门球长传准确率: 53.85%
进阶:按球员/球队分组统计
# 假设加入球员列
df["player"] = np.random.choice(["门将A", "门将B"], 20)
# 分组计算
result = (
df[df["is_long"]]
.groupby("player")["success"]
.agg(total="count", success="sum")
.assign(accuracy=lambda x: (x["success"] / x["total"] * 100).round(2))
)
print(result)
输出示例:
total success accuracy
player
门将A 7 4 57.14
门将B 6 3 50.00
可视化
import matplotlib.pyplot as plt
result["accuracy"].plot(kind="bar", color="steelblue", edgecolor="black")"球门球长传准确率 (%)")
plt.ylabel("准确率 (%)")
plt.ylim(0, 100)
plt.xticks(rotation=0)
plt.tight_layout()
plt.show()
关键注意事项
| 事项 | 说明 |
|---|---|
| 长传阈值 | 不同数据源定义不同(StatsBomb 通常用传球距离,Opta 用"Long Ball"标签),需与数据口径一致 |
| 成功判定 | 是否包含"被解围但本方控球"等边界情况,需按分析目的定义 |
| 样本量 | 单场球门球数量有限(5–15 次),多场累计才具统计意义 |
| 对手强度 | 分析时建议分组对比(如按对手逼抢强度) |
真实数据接入示例(StatsBomb)
若用真实数据:
# 需先安装: pip install statsbombpy
from statsbombpy import sb
events = sb.events(match_id=3788741)
goal_kicks = events[events["pass_type"] == "Goal Kick"].copy()
goal_kicks["is_long"] = goal_kicks["pass_length"] >= 32
gk_long = goal_kicks[goal_kicks["is_long"]]
accuracy = gk_long["pass_outcome"].isna().mean() * 100
# pass_outcome 为 NaN 表示传球成功
print(f"球门球长传准确率: {accuracy:.2f}%")
小结:球门球长传准确率的计算核心是"筛选事件 → 定义长传 → 判定成功 → 求比率",实际分析中务必明确长传阈值和成功口径,并注意样本量限制,如果你有具体的数据字段结构(如 StatsBomb/Opta/自采数据),可以告诉我,我可以帮你调整为对应代码。
友情链接
版权声明:本站文章为原创整理,转载请注明出处。