开源项目统计禁区内射门次数对比？

wen 开源项目 2026-08-20 3

本文目录导读：

开源项目统计禁区内射门次数对比？

核心定义
代码示例（使用 StatsBomb 免费开源数据）
更标准的开源工具：socceraction 或 kloppy
如果使用 Understat（开源 API）
统计建议
开源数据源推荐

在足球数据分析中,“禁区内射门次数”是衡量进攻质量的核心指标（常称为 xG 的辅助数据），要统计开源项目（如 StatsBomb、Understat 或通过 API 爬取的 Wyscout 数据）中的禁区内射门次数，通常需要结合事件数据和坐标进行计算。

以下是通过开源框架（如 Python 的 statsbombpy）统计禁区内射门次数的具体逻辑和代码示例：

核心定义

首先需要定义“禁区”的坐标范围，虽然不同数据源坐标系不同（如 StatsBomb 使用 120x80，Wyscout 使用 100x100），但逻辑一致：

X 坐标：球门位于 X 轴 100（或 120）处。
Y 坐标：球场宽度（通常为 80 或 100）。
禁区边界：
- 距离底线约 16.5 米（18 码）。
- 在数据坐标系中,通常对应 X 坐标 > 102（StatsBomb）或 X 坐标 > 83（部分 100 坐标系）。
- Y 坐标限制在禁区宽度内（通常为宽度的 1/3 左右，即 Y > 20 且 Y < 60，具体依坐标系而定）。

代码示例（使用 StatsBomb 免费开源数据）

StatsBomb 提供了官方的 statsbombpy 包，数据是免费的（需遵守开源许可）。

import pandas as pd
from statsbombpy import sb
# 加载比赛数据（以梅西某场比赛为例，这里使用公开的英超或世界杯数据）
# 获取比赛的 ID 列表（需自行查找）
competition_id = 43  # 示例：世界杯
season_id = 106      # 示例：2022 赛季
matches = sb.matches(competition_id=competition_id, season_id=season_id)
match_id = matches['match_id'].iloc[0]  # 取第一场比赛
# 获取事件数据
events = sb.events(match_id=match_id)
# 筛选射门事件（shot）
shots = events[events['type'] == 'Shot']
# 处理缺失坐标
shots = shots.dropna(subset=['location'])
# 解析坐标
shots['x'] = shots['location'].apply(lambda loc: loc[0])
shots['y'] = shots['location'].apply(lambda loc: loc[1])
# 定义禁区范围（StatsBomb：球场 120x80）
# 禁区 X > 102 (距离球门线 18 码 = 约 16.5m，120 单位中约为 18/105*120 ≈ 20.5，因此球门线是 120，禁区线是 120 - 20.5 = 99.5？需要根据实际来源微调）
# 常见简化处理：X > 105 且 Y 在 15 到 65 之间。
# 注意：StatsBomb 球门位于 X=120，因此越靠近球门 X 越大。
in_box = (shots['x'] >= 102) & (shots['y'] >= 18) & (shots['y'] <= 62)
# 统计
box_shots = shots[in_box]
box_shot_count = len(box_shots)
print(f"禁区内射门次数: {box_shot_count}")
print("禁区内射门占总射门比例: {:.2f}%".format(box_shot_count / len(shots) * 100))

更标准的开源工具：`socceraction` 或 `kloppy`

为了更严谨,建议使用 kloppy 库，它能统一处理 StatsBomb、Wyscout、Sportec 等格式，并内置了球场几何转换。

from kloppy import statsbomb
from kloppy.domain import Point, Period
# 加载数据（需要本地文件路径）
dataset = statsbomb.load(
    event_data="events.json",
    lineup_data="lineups.json",
    # ... 具体 API
)
# 获取所有射门
shots = dataset.events.filter_types("SHOT")
# 检查坐标是否在禁区内（kloppy 的坐标统一为 0~1 的归一化坐标系）
# 禁区：x > 0.85, y 在 0.2 到 0.8 之间（近似）
in_box = 0
for shot in shots:
    x = shot.coordinates.x  # 0~1 的百分制
    y = shot.coordinates.y
    if x > 0.85 and 0.2 < y < 0.8:
        in_box += 1

如果使用 Understat（开源 API）

Understat 提供免费 API 但官方限制访问，可用 understatapi 爬取，但该库非官方且可能失效，通常使用 requests + 解析 x 和 y 坐标（Understat 坐标系为 100x100，但数据单位是百分比）。

import requests
from bs4 import BeautifulSoup
import json
# 获取比赛数据的 URL（示例）
url = "https://understat.com/match/4040"
headers = {'User-Agent': 'Mozilla/5.0'}
res = requests.get(url, headers=headers)
soup = BeautifulSoup(res.text, 'lxml')
# 在脚本中找到 JSON 数据，解析 shot 数据
# 标准逻辑：读取 coordinates 字段中的 x, y

统计建议

统一坐标系：务必明确数据源坐标系（120x80 或 100x100），并正确换算。
射门是否包括被阻挡：射门”包括进球、射正、射偏和被挡。
禁区定义：根据国际足联规则，禁区为距门柱 16.5 米，但统计时有的用“大禁区”（包括弧顶）或“小禁区”（点球点附近），开源数据一般指 大禁区。

开源数据源推荐

数据源	覆盖范围	免费性	坐标系
StatsBomb (Free)	欧洲杯、世界杯等	完全免费	120x80
Understat	欧洲五大联赛	免费（爬虫）	100x100
WhoScored / Sofascore	赛事丰富	付费，但有爬虫接口	100x100

最简单的开源方式是使用 StatsBomb 数据集（如 FA Women‘s Super League 或世界杯），因为它提供了官方 Python 包，无需处理复杂的数据结构，如果你需要现成的统计结果（而不是代码），可去 FBref.com 或 Understat 的公开页面查询，但这些不是“开源项目”，而是免费网站。

如果你需要针对特定球队或特定赛季的排行榜,我可以帮你用 statsbombpy 拉取数据生成统计。