本文目录导读：
这是一个非常有深度且专业的问题，要回答“开源项目统计直塞球成功率是多少”，首先需要明确一个核心事实：目前并不存在一个全球统一、被所有开源项目（如 StatsBomb、Opta、Wyscout 的数据开放版、开源社区解析库等）共同采用的“直塞球成功率”标准数字。
这个“成功率”的数值高度依赖于数据来源、统计定义以及算法实现,以下是详细的解析：
为什么没有一个统一的成功率数字？
不同的开源项目对“直塞球”的定义差异巨大,主要体现在：
- 事件类型识别： 有些项目只统计“穿透最后一名后卫线”的传球；有些则将“穿越中场线，撕开防线之间空当”的传球也算作直塞。
- 成功判定标准： 核心分歧在于“成功”的定义。
- 严格定义： 接球队员必须直接形成射门（或获得绝佳机会）。
- 宽松定义： 只要接球队员在防守队员身后拿到球，无论后续处理如何（如停球失误、传球失误、被门将化解）,都算成功。
- 数据源差异：
- StatsBomb 开源数据： 免费提供，但只包含特定赛事（如 2018 世界杯、2022 世界杯、部分女足比赛）,其统计口径相对透明。
- Open Football Data 或社区爬取的数据： 质量参差不齐,定义可能不严谨。
- 基于计算机视觉的自动标注项目： 如利用 OpenCV 或深度学习模型自动从视频中提取事件,其准确率取决于模型训练质量。
你可以参考的代表性数值范围（基于公开研究和数据）
尽管没有统一数字，但基于主流数据提供商（如 Opta）和学术论文中的统计，以及足球分析社区的共识，我们可以提供一个经验性的合理范围：
- 总体成功率：通常极低，大约在 25% - 40% 之间。
- 顶级联赛中，直塞球的成功率普遍在 30% 左右上下浮动，也就是说，约 7 次直塞球里，只有 2-3 次能真正转化为有威胁的进攻或射门。
- 具体分项：
- 成功形成射门： 大概只有 8% - 15%。
- 造犯规 / 越位： 这是一个关键干扰项，很多直塞球会因为接球队员越位而失败，这通常被记为“失败”（但战术意义依然存在）。
- 被拦截或解围： 成功率受对方防守水平和回追速度影响很大。
如何在指定的开源项目中实际统计“直塞球成功率”？
如果你正在使用某个特定的开源项目（如 statsbombpy、socceraction、kloppy、matchend 等），你需要自行定义并编写代码来计算,以下是通用步骤：
第一步：确定事件类型标识
在数据中查找你使用的列名,不同的项目命名不同：
- StatsBomb (
pass_type列): 通常称为Through Ball，在events表中的pass_type字段里。 - Wyscout (社区版，
tags列): 需要寻找包含through标签的事件。 - Opta 定义的社区版 (
type和subtype): 可能称为Pass -> Through Ball。
第二步：定义“成功”的规则（你需要自己决定）
常用规则包括：
- 直接结果法： 直塞球事件发生后，同一个进攻回合中，下一次触球是射门、进球,或者接球球员在禁区内触球。
- 最终结果法： 该次进攻最终以射门或进球结束，这是最宽松的,成功率会高很多。
- 接球球队控制法： 接球队员成功拿到球,并且没有立即丢失球权。
建议采用行业标准：使用 shot_assist 或 goal_assist 作为判定成功的核心指标。
第三步：编写代码示例（Python + StatsBomb 结构为例）
import statsbombpy as sb
# 加载比赛数据，例如比赛ID 17486 (2018世界杯阿根廷 vs 尼日利亚)
events = sb.events(match_id=17486)
# 筛选出所有直塞球
through_balls = events[events['pass_type'] == 'Through Ball']
# 定义成功：直塞球带来了助攻（即下一事件是射门并得分）或者形成射门
def is_successful(event):
# 检查是否形成了射门
if event.get('pass_shot_assist'):
return True
# 检查是否形成了进球助攻
if event.get('pass_goal_assist'):
return True
# 更严格的：检查是否为绝佳机会
# if event.get('pass_through_ball_assist'):
# return True
return False
# 计算成功率（使用最简单的判定：是否形成射门）
successful = through_balls.apply(lambda row: is_successful(row), axis=1)
success_rate = successful.mean() * 100
print(f"该场比赛直塞球总次数: {len(through_balls)}")
print(f"成功率（形成射门/进球）: {success_rate:.2f}%")
注意： 不同开源库的字段名差异巨大,请参考其文档。
具体开源项目的已知数据
- StatsBomb 开源数据（如 2022 世界杯）： 你可以直接调用其 API，根据社区分析，整体直塞球成功率在 28%-35% 之间，梅西的直塞成功率远高于平均（可达 45%+），而其他中场进攻手则在 25%-30% 之间。
- 社区项目
socceraction： 其value_actions方法中会对直塞球进行预期威胁（xT）或预期进球（xG）建模，其中直塞球的成功概率是其模型的一部分，通常不会直接输出一个单一的“成功率”数字。
如果你直接问“开源项目统计直塞球成功率是多少”，最准确的回答是：
没有一个固定的公开数字。 如果你必须给一个数字，30% 左右是一个被广泛接受、在顶级联赛数据中常见的经验值（基于助功、形成射门等较严格定义）。强烈建议你选定一个开源项目（如 StatsBomb），根据其数据结构和比赛，自行计算，因为不同赛季、联赛、球队的差异非常大（曼城的直塞成功率通常远高于一支保级队，因为战术体系和接球球员能力不同）。
一句话总结：成功率 ≈ 30%（经验范围，需自行计算验证）。
