这个开源项目是否记录了门将传球成功率？深度解析与实测指南
目录导读
- 引言：为什么“门将传球成功率”成了热门话题？
- 开源足球数据项目概览：它们到底记录了什么？
- 核心问题拆解：门将传球成功率是否被记录？
- 实测验证：三个主流开源项目的字段排查
- 问答环节：关于门将传球成功率的常见疑问
- 如何自行补全门将传球成功率数据？
- 结论与选型建议
引言：为什么“门将传球成功率”成了热门话题？
现代足球战术体系中,门将早已不是单纯的“扑救者”，从瓜迪奥拉到阿尔特塔，后场出球体系让门将的传球能力成为球队进攻的第一环，越来越多的数据分析爱好者、业余教练和FM玩家开始关注一个具体指标：门将传球成功率。
当人们转向开源项目寻找数据时,一个高频问题随之出现：这个开源项目是否记录了门将传球成功率？ 本文将以搜索引擎已有资料为基础，结合字段级实测，给出尽可能详尽的答案，并帮助你判断哪个项目真正适合你的需求。
开源足球数据项目概览：它们到底记录了什么？
目前社区中讨论度较高的开源足球数据项目主要包括以下几类：
- 事件流数据项目：以逐事件记录为核心，例如传球、射门、抢断等，典型代表是 StatsBomb 开放数据集及其衍生解析库。
- 比赛统计聚合项目：以球队或球员的汇总统计为主，例如控球率、射门数、传球总数等。
- 爬虫型项目：从公开网站抓取赛后技术统计，字段随源站变化。
这些项目的共同点是：传球相关字段普遍存在，但“门将”作为独立位置的传球拆分，并非所有项目都会单独建模，很多项目记录的是“全队传球成功率”或“球员传球成功率”，门将只是其中一行，是否可筛选取决于字段设计。
核心问题拆解：门将传球成功率是否被记录？
要回答“这个开源项目是否记录了门将传球成功率”，需要拆成三个子问题：
- 是否记录传球事件？ 多数事件流项目记录每次传球，包括传球者位置信息。
- 是否记录球员位置/角色？ 若项目包含位置字段（如 goalkeeper），则可筛选出门将传球。
- 是否直接给出“成功率”汇总？ 多数开源项目只给原始事件，成功率需要自行计算（成功传球数 ÷ 总传球数）。
因此结论是：部分开源项目“间接记录”了门将传球成功率所需的数据，但很少直接提供现成的成功率字段，你需要自己做聚合计算，这一点在多个数据项目的文档和社区讨论中均有体现。
实测验证：三个主流开源项目的字段排查
项目A（事件流型）：事件表包含传球事件、传球者ID、传球结果（成功/失败）、位置信息，通过筛选位置为门将的球员，可计算传球成功率。可间接得到，但需二次加工。
项目B（统计聚合型）：提供球员场均传球数与成功率，但未按位置拆分门将，且门将样本量小，容易缺失。不直接记录，覆盖不稳定。
项目C（爬虫型）：字段随源站变化，部分场次含门将传球数据，部分不含。不可靠，需逐场校验。
综合来看,如果你的核心需求就是门将传球成功率，优先选择事件流型开源项目，并确认其包含位置字段与传球结果字段。
问答环节
问：这个开源项目是否记录了门将传球成功率？ 答：多数项目不直接记录该汇总指标，但事件流项目记录了计算它所需的原始传球事件与位置信息，可自行聚合。
问：为什么门将传球成功率很少被单独列出？ 答：门将传球样本量小、定义口径不一（长传是否计入、受压传球是否计入），导致直接汇总字段容易产生歧义，项目方更倾向于保留原始事件。
问：计算时需要注意什么？ 答：明确“成功传球”的定义，区分短传与长传，排除开球门球等特殊事件，并注意样本量过小时成功率波动大。
如何自行补全门将传球成功率数据？
确认项目事件表含传球者ID、位置、传球结果，步骤二：筛选位置为门将的传球事件，步骤三：按成功/失败计数并计算比值，步骤四：按场次或赛季聚合，标注样本量，步骤五：对口径做文档说明，避免与他人数据对比时产生偏差。
结论与选型建议
回到最初的问题：这个开源项目是否记录了门将传球成功率？ 准确表述是——它通常不直接记录该指标，但事件流型项目提供了完整可算的原始数据，选型时优先看三点：是否含位置字段、是否含传球结果、是否可稳定获取，若你追求开箱即用，可能需要接受字段缺失；若你愿意做二次加工，开源事件流项目完全能满足需求。
