目录导读
- 引言：当“门将传球成功率”成为战术焦点
- 核心追问：主流开源足球数据项目是否包含此项指标？
- 深度对比：StatsBomb、Wyscout开源样本与商业数据的差异
- “传球成功率”的统计口径陷阱：短传、长传与压力下处理
- 问答实录：球迷与数据分析师最关心的五个问题
- 开源项目的边界与未来可能性
引言：当“门将传球成功率”成为战术焦点
在现代足球的战术版图中,门将早已不再是单纯的高接抵挡者，而是第一进攻组织者，从埃德森的长传策动到诺伊尔的清道夫式出球，门将的脚下技术直接决定了球队由守转攻的质量。“门将传球成功率”这一数据逐渐从冷门走向台前，成为衡量一支球队后场出球体系是否流畅的关键指标。
当球迷和研究者试图在开源社区寻找这一数据时,往往会遇到一个尴尬的现实：免费的数据源要么缺失，要么口径混乱，我们就来深挖这个问题：这个开源项目是否记录了门将传球成功率？
核心追问：主流开源足球数据项目是否包含此项指标？
要回答这个问题,我们必须先定义“开源足球数据项目”的范畴，全球最著名的两大开源/半开源足球数据库是 StatsBomb 的免费数据集 和 GitHub 上各大数据工程师整理的 CSV/JSON 包。
-
StatsBomb 免费公开数据：该数据源以事件序列（Event Data）著称，在
goalkeeper类别下，确实有pass事件。但是，其默认的公开数据集多集中在西甲（La Liga）和女足欧冠（UWCL）的特定赛季。它确实记录了门将传球的坐标、结果（成功/不成功）和传球类型，但如果你下载的是精简版（Free Events），你会发现数据颗粒度较粗——它可能不会区分“门将持球后大脚解围”与“门将传给右后卫的地面球”，这两者在统计上往往被合并。 -
GitHub 常见足球分析仓库（如
football-data重写版或soccerdata库）：这类项目通常抓取三方网站的数据。绝大多数免费抓取的页面（如 FlashScore、SofaScore 的免费接口）只提供门将扑救成功率，而不提供传球成功率，原因在于，传球成功率需要逐帧追踪所有球员的触球点，相对于射正率，其数据版权费用更高，免费接口无法承担。
部分开源项目（如 StatsBomb 原始事件流）有记录，但不完整且非实时；而大多数轻量级开源项目完全没有此字段。答案是“视项目而定”，但对于绝大多数用户使用的简易开源库，答案是“不记录”。
深度对比：StatsBomb、Wyscout开源样本与商业数据的差异
这里有一个残酷的真相：开源项目记录的往往是“出球行为”而非“传球成功率”。
-
开源样本（StatsBomb）：以 2021-22 赛季某场西甲为例，数据记录了门将共有 22 次出球，18 次成功传给队友，但如果你深究，这 18 次中包含了 5 次 50 米以上的长传冲吊，在长传下，传球“成功”的定义又是什么？是队友用胸部停下了球（落点成功），还是队友在对抗中失去控球（争顶成功但未控稳）？开源项目并未给出明确答案。
-
商业数据（Opta、Stats Perform）：它们将传球细分为 GKP Short（短传）、GKP Long（长传） 和 GKP Launch（开大脚），且最重要的区别是：商业数据会引入“压力”变量，在高压逼抢下的传球成功率 与 空位传球成功率 是分开计算的，开源项目通常无法区分这点，导致数据失真。
“传球成功率”的统计口径陷阱：短传、长传与压力下处理
假设你找到了一个包含此数据的开源包,请务必注意以下陷阱：
- 分母不同：有的项目把门将的“所有触球”（包括失误停球后被断）计入分母，而有的只把“主动出球”计入分母。
- 横传回传：门将传给中后卫，中后卫未停好球直接出界，这算门将传球失败吗？ 在 Opta 的严格定义中，这算传球成功，但接球人失误，而在某些开源代码的简化逻辑中，这会被计为失败。
- 长传冲吊的归属：这实际上是一个五五开争夺球，开源项目往往将球权判定为“对方夺回”，因此门将传球失败，但按照预期传球模型，这种球在联赛中的成功率只有 40%，将其与短传 95% 的成功率等权平均，会产生严重的误导。
问答实录：球迷与数据分析师最关心的五个问题
问：既然开源项目不靠谱，我如何获取门将传球成功率？ 答：两条路，第一，付费订阅 Opta 或 Stats Perform 的 API（性价比低），第二，自建模型：使用开源 CV 工具（如 YOLOv8）对比赛录像进行物体检测，虽然难度大，但能完全自定义传球口径。
问：StatsBomb 的公开数据中，哪个字段代表门将传球？ 答：在
events.json中，查找type为Pass且position包含Goalkeeper的事件，关键字段是pass.outcome（成功值通常为Pass，失败值为Incomplete或Out）。
问：为什么大多数开源工具都忽略了门将传球？ 答：因为门将传球数据的时间序列在不同联赛中极度稀疏（一场比赛只有 20 次左右），对于机器学习训练而言，样本量不如前锋射门充足，且标注成本极高。
问：有没有可能通过爬虫获取靠谱数据？ 答：可以抓取 FBref（来自 StatsBomb 授权），但 FBref 的页面只展示本赛季的平均值，不提供逐场事件流，若需要逐场，仍需回归官方 API。
问：这篇分析文章提到的“开源项目”特指哪个？ 答：并非特指单一项目，而是泛指 GitHub 上以
soccerdata、football-python为代表的数据爬取/规整框架，请读者下载任何包后，务必打印columns列表查看是否有gk_pass_pct字段。
开源项目的边界与未来可能性
回到最初的问题：这个开源项目是否记录了门将传球成功率？
最准确的答案是： 它记录的是“门将传球动作及结果”，但绝不主动计算“成功率”，这个“成功率”需要由研究者自行根据 outcome 字段清洗计算，更关键的是，由于缺乏压力情境标签，即便算出来，其战术参考价值也远低于商业数据。
开源社区的力量在于透明和可复现,但在门将传球成功率这个细节上，目前仍处于“有原料，未加工”的半成品状态，对于希望以此进行深度分析的球迷或从业者，请务必了解数据采集的视频源 镜头角度（广角 vs 特写），因为这会严重影响传球起点坐标的误差。
未来的开源项目若想在此突破,需要引入更先进的场地区域压力模型，而不是单纯依赖事件码，在那之前，请您在引用任何开源数据时，附上您对“传球成功”的自定义定义，否则，误差将远超你的想象。
