开源项目如何量化进攻三区效率值？

本文目录导读：

1. 先定义清楚三个要素
2. 核心公式（推荐起步版）
3. 分维度拆解（更细粒度，适合开源实现）
4. 开源实现路径（以 socceraction 为例）
5. 归一化与可视化
6. 关键陷阱与建议
7. 推荐参考项目

在足球数据分析（尤其是开源项目如 socceraction、StatsBombPy、FBref 相关工具）中，“进攻三区效率值”并不是一个单一的标准指标，而是一个需要自定义口径的复合指标，下面给出一套可直接落地的量化框架。

先定义清楚三个要素

核心公式（推荐起步版）

进攻三区效率值 = (0.6·xG_created + 0.3·xA + 0.1·Goals) 
               / (FinalThird_Touches + Progressive_Passes_into_FT)
               × 90  (归一化到每90分钟)

更简化的版本：

# 伪代码
ft_efficiency = (xg + xa) / final_third_touches
ft_efficiency_p90 = ft_efficiency * 90 / minutes

分维度拆解（更细粒度，适合开源实现）

传球效率

FT_PassEff = 成功进入三区的传球 / 尝试进入三区的传球
FT_ProgPass_p90 = 推进传球进三区次数 / 90

持球/推进效率

FT_CarryEff = 三区内成功带球推进距离 / 三区触球次数

终结效率

FT_ShotEff = 三区内射门数 / 三区触球数
FT_xG_per_shot = 三区总xG / 三区射门数

综合效率（加权）

FTE = w1·(xG+xA)/FT_touches 
    + w2·FT_PassEff 
    + w3·FT_CarryEff 
    + w4·FT_ShotEff

权重可用 PCA 或 熵权法 从数据中学习，避免拍脑袋。

开源实现路径（以 socceraction 为例）

from socceraction.spadl import statsbomb as sb
from socceraction.xthreat import ExpectedThreat
# 1. 加载数据
games = sb.convert_to_actions(events, home_team_id)
# 2. 计算 xT（威胁值）
xt = ExpectedThreat()
xt.fit(actions)  # 训练转移矩阵
# 3. 筛选进攻三区动作
ft_actions = actions[actions['end_x'] >= 80]  # StatsBomb 120 制
# 4. 计算效率
ft_touches = len(ft_actions)
xg = ft_actions['xG'].sum()
efficiency = xg / ft_touches if ft_touches else 0

归一化与可视化

# z-score 标准化
fte_z = (fte - fte.mean()) / fte.std()
# 映射到 0-100
fte_score = 100 * (fte - fte.min()) / (fte.max() - fte.min())

可视化建议：

• 散点图：X=三区触球数，Y=效率值，颜色=球员位置
• 雷达图：传球/带球/射门/创造四个维度

关键陷阱与建议

1. 样本量：三区触球 < 30 的球员效率值不稳定，需做 贝叶斯收缩（向均值回归）。
2. 对手强度：需按对手防守强度调权，否则刷弱队数据虚高。
3. 位置偏差：边锋和中锋的三区触球性质不同，建议分位置标准化。
4. 公开数据源限制：StatsBomb 免费数据有限，FBref 只有汇总值，需要权衡。
5. 可复现性：把权重、阈值写成配置文件（YAML），方便社区 review。

推荐参考项目

如果你告诉我你用的是哪套数据（StatsBomb / Opta / Wyscout）和目标（评价球员还是球队），我可以给出具体的字段映射 + 可运行代码。