本文目录导读：
在足球数据分析（尤其是开源项目，如基于 StatsBomb、Wyscout 或 Metrica 数据的项目）中，“界外球进攻威胁次数”并不是一个标准化的通用指标，需要先定义清楚才能统计,下面分几层说明。
先明确概念
界外球（Throw-in）：球出边线后用手掷入恢复比赛。
“进攻威胁”在开源数据里通常没有现成字段，需要自己定义,常见的可操作定义有：
| 威胁定义方式 | 说明 | 数据依赖 |
|---|---|---|
| 界外球后 N 秒内射门 | 最常用、最客观 | 事件数据（时间戳+射门） |
| 界外球后 N 秒内进入进攻三区/禁区 | 中等强度 | 事件坐标 |
| 界外球后形成 xG > 阈值的机会 | 较严格 | 需 xG 模型 |
| 界外球直接导致进球/助攻 | 最严格但样本少 | 事件+进球 |
| 界外球本身引发的 xT（威胁值）增量 | 进阶 | 需 xT 模型 |
统计界外球进攻威胁次数”= 先选一个威胁定义，再对界外球事件做后续窗口筛选。
开源数据源推荐
-
StatsBomb Open Data（GitHub:
statsbomb/open-data）- 含事件级数据，有
Throw-in事件类型、坐标、时间戳、射门事件。 - 免费，适合做“界外球→N秒内射门”的统计。
- 含事件级数据，有
-
Wyscout 公开数据（
koenvo/wyscout-soccer-match-event-dataset等）有事件类型和坐标，但界外球标注不如 StatsBomb 细。
-
Metrica Sports Sample Data
含 tracking 数据，可做更精细的空间威胁分析,但样本小。
-
FBref / Understat
只有聚合统计，没有逐事件界外球,不适合做这个指标。
统计逻辑（以 StatsBomb 为例）
伪代码思路：
威胁次数 = 0
for 每个界外球事件 T:
team = T.team
t0 = T.timestamp
# 看接下来 W 秒内同队的事件
后续 = 同队事件 where t0 < time <= t0 + W
if 后续中存在射门事件:
威胁次数 += 1
关键参数：
- 时间窗口 W：常用 5s、10s、15s，W 越大命中越多,但噪声也大。
- 是否要求控球权：若界外球后对方先触球，通常不算“该界外球制造的威胁”。
- 是否区分前场/后场界外球：前场界外球威胁天然更高,通常分开统计。
更严谨的做法（推荐）
- 控球序列法：把界外球视为一次 possession 的起点，看这个 possession 是否以射门/xG 结束。
- xT 增量法：计算界外球掷出前后球位置的 xT 变化，若显著上升则记为“威胁界外球”。
- 分区域统计：按界外球发生位置（防守三区/中场/进攻三区）分别统计威胁率。
现成可参考的开源项目
statsbomb/open-data+ 自写脚本（最常见做法）socceraction（ML-KULeuven）：提供 xT、VAEP 框架，可用来给界外球后的动作打分mplsoccer：可视化界外球位置与后续威胁kloppy：统一读取不同供应商的事件数据
没有一个开源项目直接输出“界外球进攻威胁次数”这个指标,你需要：
- 选数据源（推荐 StatsBomb Open Data）
- 定义威胁（推荐“界外球后 10 秒内同队射门”或“该 possession 产生 xG>0.05”）
- 写脚本按界外球事件向后开窗统计
如果你告诉我你手头用的是哪套数据（StatsBomb / Wyscout / 其他），我可以给你一段可直接运行的 Python 统计代码。
