本文目录导读：
协防补位成功次数”这个数据指标，在主流篮球或足球的官方技术统计中（如NBA、FIBA、英超等），并没有一个标准的、官方定义的统计项叫做“协防补位成功次数”。
这个数据通常是高阶数据分析公司（如Second Spectrum、Stats Perform）或视频分析团队为了量化防守球员的“隐形贡献”而自定义的追踪数据（Tracking Data）指标。
如果你是在询问开源项目（如篮球分析的 openpyxl 脚本、SportsMaps、或足球的 StatsBombR）中如何计算这个次数，通常需要以下几个逻辑步骤：
定义“协防”（Help）与“补位”（Recover/Closeout）
在开源代码的逻辑中,通常会将防守动作拆解为：
- 协防（Help）：当对位防守人被突破（失去防守位置）时，防守人离开自己原本的对位球员，移动到突破路径上或篮下进行干扰/造进攻犯规。
- 补位（Recover/Closeout）：在完成协防后，迅速回防自己的原对位球员，或者在有球人传球后，迅速扑防（Closeout）干扰空位投篮。
开源项目中实现该统计的常见算法（伪代码逻辑）
在开源仓库（如 nba_tracking_data、Sportmonks 类项目）中，代码通常这样判断：
# 伪代码示例
def calculate_defensive_actions(tracking_data, player_positions):
for frame in tracking_data:
# 1. 识别“被突破”：防守者与进攻者的距离突然拉大，且进攻者向篮筐方向移动
if is_driving(offense_player) and distance(defender, offense_player) > 2.0:
# 2. 触发“协防”条件：最近的协防者（距离篮筐更近）在球线路上移动
helper = find_nearest_team_defender(ball_carrier, defense_team, except_primary_defender)
if distance(helper, ball_carrier) < 1.5 and distance(helper, basket) < distance(primary_defender, basket):
defensive_event = 'Help'
# 3. 判断“补位”成功：这通常意味着进攻方没有在该回合直接得分，且球最终被传出
if possession_ends_in_turnover_or_shot_miss() or passes_away_from_helper:
# **关键判定**：协防者在限制区内站定且未被横向甩开（横移速度<阈值）
if vertical_speed(helper) < threshold:
result = 'Successful Help & Recover'
关键判定标准（开源项目中的阈值设定）
要算作“成功”，开源代码通常需要满足以下三个必须：
- 战术目的达成：协防延缓了进攻（导致对方24秒违例）、干扰了投篮（造成防守篮板）或造成了一次失误（抢断/造进攻犯规）。
- 防守位置回防：协防者在球传出后，能在这名球员的进攻回合结束前重新回到其对位球员的3英尺（约0.91米）范围内。
- 未失分：该次防守回合，对方的进攻得分（直接得分或间接造成的空位三分）未发生。
在开源项目中获取该数据的方法
如果在开源项目（如安装一些基于Python的体育分析库）中尝试统计，你可以：
- 使用追踪数据：这是目前精度最高的方式，需要逐帧坐标数据。
- 使用事件数据：通过抢断、盖帽、造违体、防守篮板等事件来反向推断前一步的协防贡献，一次盖帽往往伴随提前的协防移动。
总结建议： 如果你看到的“协防补位成功次数”来源于比赛转播或某APP，这通常是该媒体付费购买的第三方数据服务，如果你在代码库中看到这个字段，它必然是通过硬编码的坐标阈值（距离篮筐小于16英尺、协防时间大于0.5秒且未造成失分）计算出来的相对数值，不同项目之间的数值不具备直接可比性。
