本文目录导读：
实用脚本统计直塞球成功率”这个问题，需要先明确一点：“实用脚本” 大概率是指足球数据分析工具（如 Python 脚本、R 脚本或足球经理游戏中的自定义脚本），而“直塞球成功率” 是一个极度依赖数据源定义的指标。
为了给你最准确的答案，我将分为“定义标准”和“实际数值参考”两部分来回答。
你必须明确“直塞球”和“成功率”的定义
在不同平台（如 Opta、StatsBomb、Wyscout）和不同游戏中（如 FM 足球经理）,脚本统计的口径完全不同：
- 关键传球型直塞：通常指穿透防线、直接撕开对方最后一道防线并让队友获得射门机会的传球。
- 带球推进型直塞：可能包含中场的过顶球或地面穿透,只要传到了防守队员身后。
- 成功率公式：通常是
成功直塞数 / 总尝试直塞数，但“成功”的定义可能是：- 队友接到球（严格）；
- 队友接到球并形成射门（更严格）；
- 或者是传球穿透了至少一名防守队员（宽松）。
主流联赛/赛事的实际统计数值（参考基准）
根据欧洲主流联赛（英超、西甲、德甲等）近年的数据提供商统计，直塞球成功率通常远低于普通传球成功率,因为直塞球本身就是高风险高收益的选择。
- 顶级联赛平均水平：30% - 40% 左右。
也就是说，每 10 次尝试直塞，大约只有 3-4 次能够成功接到球。
- “成功率”极高的情况：
- 如果脚本统计的是“形成射门的直塞”，即触球后直接转化为射门（哪怕被扑出），这个成功率会骤降到 10% - 15% 左右。
- 特定球星例子：
- 像德布劳内、厄德高等顶级组织核心，他们的直塞成功率通常能维持在 40% - 50% 上下（取决于赛季状态和数据源定义），但即便如此,也是建立在大量尝试的基础上的。
- 而像梅西巅峰期的“Option A”直塞，统计出他职业生涯的直塞成功率在 38% - 42% 之间浮动（不同数据商有差异）。
如果你是写脚本，建议的“实用统计公式”
假设你正在写 Python 脚本分析比赛事件数据（比如用 StatsBomb 数据）,建议脚本逻辑如下：
def 计算直塞成功率(事件列表):
"""
事件列表为包含 '直塞' 标识的事件，且包含 '是否成功' 布尔值。
"""
成功数 = 0
总数 = 0
for 事件 in 事件列表:
if 事件['类型'] == '直塞':
总数 += 1
# 判断成功：如果是“接球者获得球权”或“接球者形成射门”
if 事件['结果'] in ['成功接球', '形成射门', '进球']:
成功数 += 1
成功率 = 成功数 / 总数 if 总数 > 0 else 0
return f"直塞球成功率: {成功率:.2%} (成功 {成功数}/{总数})"
# 示例输出：
# 直塞球成功率: 34.62% (成功 9/26)
注意：如果你统计的数据是“穿透防线的传球”（包括横穿禁区前的倒三角），准确率可能会更高，接近 55% - 65%，但这在严格定义上可能已经不属于“直塞”了。
如果是《足球经理》等游戏脚本
在 FM 游戏中，如果刷票统计球员的直塞成功率，通常显示在 45% - 55% 之间，因为游戏的传球判定机制更倾向于“传球合理性”,且失败尝试会被基础盘带过滤掉。
- 如果你问的是现实足球（职业比赛）：用实用脚本统计出的平均成功率约为 35%（即 3成、4成不到）。
- 如果你问的是游戏（如 FM）：成功率约为 50% 左右。
- 如果你问的是“每 10 次直塞能进几个球”：那成功率极低，不到 5%,因为直塞后还要算射门命中率。
最核心的一点：脚本本身不会“创造”成功率，它只会暴露你的数据定义，建议你在跑脚本前，先定义清楚“成功”的判定标准,否则比较数据会失去意义。
