这是一个非常专业且具体的数据问题，首先需要纠正一个概念：“反越位成功形成单刀” 通常属于比赛战术分析数据，而不是代码仓库（如GitHub）的元数据。
开源项目（代码仓库）本身并不包含比赛中的跑位、传球或越位数据。 如果你想查询足球比赛中的这类战术统计，通常需要依赖专门的足球数据提供商（如Opta、Stats Perform、SofaScore或国内的懂球帝/虎扑数据中心）,而不是开源项目。
如果你是在寻找用于统计这类数据的“开源工具”或“开源数据集”,我可以为你提供以下几个方向：
开源数据集（包含事件数据） 如果你是想找包含“越位”和“射门/单刀”事件标签的比赛数据：
- StatsBomb Open Data：这是目前最著名的免费开源足球事件数据集，它按比赛分钟记录了每一次越位（Offside）、传球、射门，并带有xG（期望进球值），你可以通过筛选“越位”事件后的下一事件是否是“射门”，来判断是否形成单刀（虽然它不直接标注“单刀”，但可以通过射门坐标和是否有防守球员距离来推算）。
- Wyscout 公开数据集（需学术申请）：包含详细的球员坐标和事件。
开源视频分析工具（计算机视觉） 如果你想自己从比赛视频中自动识别“反越位”和“单刀”：
- DFL - Bundesliga Data Shot（德甲公开数据集）：用于视频动作识别,可以作为训练模型的基础。
- Ultralytics YOLO + ByteTrack：结合这些开源库，你可以构建一个目标追踪模型，通过检测防守队员和进攻队员的x轴坐标差值（越位线），再结合传球瞬间的跑动方向,来自定义算法判定反越位和后续的单刀。
战术可视化开源项目 如果你想查看已处理好的战术板或统计图表：
- Socceraction（开源Python库）：用于从事件数据中计算球员动作价值，你可以用他加载StatsBomb数据，之后自定义代码统计“越位后接直塞球”的次数。
如果你是想问“那个著名的反越位战术统计开源项目（如TacticAI）”：
- TacticAI（Google DeepMind 2024年开源）主要研究角球的防守站位,并不直接统计单刀反越位次数。
总结建议： 如果你需要具体的“次数”，最快捷的方式是查询 StatsBomb 的数据集,并编写以下逻辑进行筛选：
- 事件类型为
Offside。 - 该事件被裁判判定为“越位”后，紧接着的游戏事件（通常为
Pass）指向防守方半场纵深区域。 - 该传球的目标球员在下一帧（或下一事件）直接完成了射门,且射门时身边无防守球员。
如果你告诉我你具体是想要现成的数字，还是想找工具自己统计,我可以为你提供更精确的Python代码片段或数据下载链接。
