实用脚本统计直塞球成功率是多少?

wen 实用脚本 18

本文目录导读:

实用脚本统计直塞球成功率是多少?

  1. 先定义清楚“直塞球成功率”
  2. Python 脚本(以 StatsBomb 开放数据为例)
  3. 如果没有现成的“直塞球”标签
  4. 注意事项

在足球数据分析中,“直塞球”(Through Ball)通常指穿透对方防线的向前传球,尤其是送到防线身后、让队友前插接应的球,统计直塞球成功率需要明确几个关键定义,否则脚本算出来的数字没有意义,下面给你一个可直接用的 Python 脚本框架,以及统计口径说明。

先定义清楚“直塞球成功率”

推荐口径:

直塞球成功率 = 直塞球成功次数 / 直塞球尝试次数

  • 尝试:球员主动向前传出的、意图穿透防线的球(通常数据商有 through_ball 标签,或需用传球坐标+防守线位置推断)
  • 成功:该直塞球被本方队友接到(未出界、未被拦截、未丢球权)

不同数据源字段不同,常见的有:

  • StatsBomb:pass.type.name == "Through Ball",配合 pass.outcome
  • Opta:qualifier 155(Through Ball)
  • Wyscout:pass.accurate + pass.angle/pass.length 推断

Python 脚本(以 StatsBomb 开放数据为例)

import pandas as pd
from statsbombpy import sb
# ---------- 1. 读取比赛事件 ----------
def load_events(match_id):
    events = sb.events(match_id=match_id)
    return events
# ---------- 2. 提取直塞球 ----------
def extract_through_balls(events):
    passes = events[events["type"] == "Pass"].copy()
    # StatsBomb 中直塞球在 pass.type.name 里
    passes["is_through_ball"] = passes["pass_type"].apply(
        lambda x: isinstance(x, dict) and x.get("name") == "Through Ball"
    )
    tb = passes[passes["is_through_ball"]].copy()
    # 成功判定:没有 pass_outcome 即传球成功(被队友接到)
    tb["success"] = tb["pass_outcome"].isna()
    return tb
# ---------- 3. 统计球员/球队成功率 ----------
def through_ball_success_rate(tb, by="player"):
    if by == "player":
        grp = tb.groupby("player")
    elif by == "team":
        grp = tb.groupby("team")
    else:
        raise ValueError("by 只能是 'player' 或 'team'")
    stats = grp.agg(
        attempts=("success", "size"),
        successes=("success", "sum"),
    )
    stats["success_rate"] = (stats["successes"] / stats["attempts"] * 100).round(1)
    stats = stats.sort_values(["attempts", "success_rate"], ascending=False)
    return stats
# ---------- 4. 主流程 ----------
if __name__ == "__main__":
    match_ids = [3788741]  # 示例:可换成你要统计的比赛
    all_tb = []
    for mid in match_ids:
        events = load_events(mid)
        tb = extract_through_balls(events)
        tb["match_id"] = mid
        all_tb.append(tb)
    all_tb = pd.concat(all_tb, ignore_index=True)
    print("=== 按球员 ===")
    print(through_ball_success_rate(all_tb, by="player").head(20))
    print("\n=== 按球队 ===")
    print(through_ball_success_rate(all_tb, by="team"))

如果没有现成的“直塞球”标签

很多数据源没有直接标签,需要用规则推断,常用规则:

def infer_through_ball(pass_row, defensive_line_x=80):
    """
    简化规则:
    - 传球起点在对方半场
    - 传球终点 x 比起点更靠近球门(向前)
    - 传球终点落在防线身后(x > defensive_line_x)
    - 传球角度较垂直(可选)
    """
    start = pass_row["location"]
    end = pass_row.get("pass_end_location")
    if not isinstance(start, list) or not isinstance(end, list):
        return False
    forward = end[0] - start[0]
    into_space = end[0] > defensive_line_x
    return forward > 15 and into_space

更严谨的做法是用防守球员位置计算越位线/防线位置,再判断传球终点是否越过防线,这需要事件数据中包含球员坐标(StatsBomb 360、Tracking 数据)。

注意事项

  1. 样本量:单场直塞球尝试通常只有 0–5 次,成功率波动极大,建议按赛季/多场汇总,并标注尝试次数。
  2. 成功定义:有的口径要求“接球后形成射门”才算成功直塞,此时成功率会显著降低,需在报告中注明。
  3. 数据源差异:StatsBomb、Opta、Wyscout 对 through ball 的标注并不一致,跨源比较要谨慎。
  4. 区分“直塞”与“长传转移”:避免把大范围斜长传误判为直塞,建议加距离/角度过滤。

如果你告诉我你用的是哪个数据源(StatsBomb / Opta / Wyscout / 自建 tracking),我可以把脚本改成对应字段的版本。

直播入口

曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播曼联直播曼联直播曼联直播曼联直播曼联直播利物浦直播利物浦直播利物浦直播利物浦直播利物浦直播巴萨直播巴萨直播巴萨直播巴萨直播巴萨直播U17直播U17直播U17直播U17直播U17直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播尤文图斯直播

抱歉,评论功能暂时关闭!

友情链接攻略窝 · 礼包窝 · 配置窝 · 换算窝 · 算法窝 · 查文窝 · 手册窝 · 问答窝 · 全文搜 · 手册库
相关站点礼包窝 · 查文窝