国产露脸精品国产沙发|极品妇被弄得99久九精品亚洲|亚洲va成精品在线播放人|日韩精品久久久免费观看

當(dāng)前位置：首頁 > 足球資訊 > 正文內(nèi)容

Soccermatics之一：使用python分析足球數(shù)據(jù)集

杏彩體育2年前 (2023-03-01)足球資訊91

開始之前

本篇假設(shè)讀者熟悉python編程、matplotlib和pandas軟件包的使用

鳴謝

本篇的內(nèi)容部分參考了Soccermatics(https://soccermatics.readthedocs.io)；

數(shù)據(jù)集使用了Statsbomb公司(https://www.statsbomb.com)的開放數(shù)據(jù)(https://github.com/statsbomb/open-data)。

我們可以分析些什么？

利用豐富的球場比賽數(shù)據(jù)，可以分析射門瞬間，防守進(jìn)攻的各種選擇；分析傳球網(wǎng)絡(luò)圖、球場熱點(diǎn)；計算射門預(yù)期進(jìn)球，評價球員控球或無球跑動，量化球員招募等等。

開發(fā)環(huán)境

基礎(chǔ)環(huán)境

python環(huán)境

python3.10 venv，推薦ubuntu，安裝軟件包方便快捷，非常適合用作開發(fā)環(huán)境，直接在應(yīng)用商店中安裝，不需要使用瀏覽器下載軟件安裝包。

如果系統(tǒng)已經(jīng)安裝了python的軟件包virtualenv，則可以使用如下命令創(chuàng)建并激活虛擬運(yùn)行環(huán)境（假設(shè)所有的數(shù)據(jù)和代碼都存放在eda目錄下）：

mkdir eda cd eda python3.10 -m venv env source env/bin/activate

科學(xué)計算四件套：numpy、scipy、matplotlib、pandas，這幾個軟件包可以直接在python虛擬運(yùn)行環(huán)境中安裝：

pip install -U numpy scipy matplotlib pandas

推薦使用poetry來管理軟件包，pyenv管理虛擬運(yùn)行環(huán)境。

足球數(shù)據(jù)分析軟件之mplsoccer

mplsoccer(https://github.com/andrewRowlinson/mplsoccer)是基于畫圖軟件matplotlib的足球可視化軟件，除了可以展示球場為基礎(chǔ)的數(shù)據(jù)之外，還支持多種面向球賽/球員統(tǒng)計數(shù)據(jù)的圖表。mplsoccer還可以直接讀取解析足球數(shù)據(jù)提供商statsbomb的數(shù)據(jù)，但本篇中沒有使用mplsoccer的這項(xiàng)功能。

足球分析軟件kloppy

kloppy(https://github.com/PySport/kloppy)是設(shè)計用來統(tǒng)一訪問多個足球數(shù)據(jù)集提供商的訪問庫。不同的最取數(shù)據(jù)服務(wù)商的數(shù)據(jù)在格式和描述方式上有區(qū)別，如果需要來自多個服務(wù)商的數(shù)據(jù)或者需要切換數(shù)據(jù)服務(wù)商，則代碼會比較混亂。kloppy提供了數(shù)據(jù)的序列化/反序列化、標(biāo)準(zhǔn)數(shù)據(jù)描述模型、數(shù)據(jù)過濾/轉(zhuǎn)換器等一系列功能，使讀取足球數(shù)據(jù)方便快捷。

其他配套軟件視個人喜好：編輯器Microsoft vscode以及相關(guān)插件，python軟件包jupyter等。

足球數(shù)據(jù)集

足球的數(shù)據(jù)種類很多，涵蓋了球隊(duì)?wèi)?zhàn)績、球員能力等各個方面，但要是想詳細(xì)分析某一長球賽的細(xì)節(jié)，目前用來分析的主要是下面幾種數(shù)據(jù)。

事件數(shù)據(jù)

事件數(shù)據(jù)詳細(xì)描述了一場球賽中的每一次球處理的詳細(xì)信息，比如傳球、射門、盤帶、爭頂?shù)?，每次事件包含了時間、球員、球場坐標(biāo)等，以及其他詳細(xì)信息。事件數(shù)據(jù)是由數(shù)據(jù)提供商從比賽錄像中人工提取，一般來說一場比賽會包含數(shù)千個事件。

顯然事件數(shù)據(jù)需要成本，但近年來一些數(shù)據(jù)服務(wù)商免費(fèi)提供了一些公開數(shù)據(jù)，這些免費(fèi)的公開數(shù)據(jù)主要有：

statsbomb

賽事比賽數(shù)量賽季男足世界杯642018歐洲杯512020英超（阿森納）3303/04西甲（梅西）52004/05 – 20/21歐冠（決賽）1499/00 – 18/19女足世界杯522019美國國家聯(lián)賽362018英超32618/19 – 20/21合計1096

數(shù)據(jù)下載頁面（https://github.com/statsbomb/open-data）

wyscout

賽事比賽數(shù)量賽季法甲38017/18英超38017/18意甲38017/18西甲38017/18德甲30617/18世界杯642018歐洲杯512016合計1941

數(shù)據(jù)下載頁面(https://github.com/koenvo/wyscout-soccer-match-event-dataset)

追蹤數(shù)據(jù)

跟蹤數(shù)據(jù)是將球賽每時每刻的球員和足球的位置坐標(biāo)都記錄下來，每秒25幀！

免費(fèi)的追蹤數(shù)據(jù)主要有：

metrica sport

這個公開數(shù)據(jù)包含了三場匿名的比賽追蹤數(shù)據(jù)，幀速為25Hz，除了場上所有球員的追蹤數(shù)據(jù)外，還提供了與追蹤數(shù)據(jù)時間對齊的事件數(shù)據(jù)。

數(shù)據(jù)下載鏈接(https://github.com/metrica-sports/sample-data)

skillcorner

SkillCorner的免費(fèi)數(shù)據(jù)包含了9場比賽，幀速為10Hz。數(shù)據(jù)是從直播鏡頭中采集，因此數(shù)據(jù)只包含了位于鏡頭中的球員。

數(shù)據(jù)下載鏈接(https://github.com/SkillCorner/opendata)

事件數(shù)據(jù)往往具備語義，適合做機(jī)器統(tǒng)計分析，雖然不同提供商的語義模型稍有差異；而追蹤數(shù)據(jù)包含了每刻球員的位置沒有包含語義，適合進(jìn)行人工分析；如果事件數(shù)據(jù)和追蹤數(shù)據(jù)的時間軸是對齊的，配合起來更加強(qiáng)大。

開始數(shù)據(jù)分析

Statsbomb數(shù)據(jù)集更新頻繁，數(shù)據(jù)豐富，還包含了其特有的360數(shù)據(jù)幀。360數(shù)據(jù)記錄了該事件發(fā)生時其他球員的位置，使態(tài)勢分析更加有依據(jù)。StatsBomb 的公開數(shù)據(jù)為 2020 年歐洲杯的 51 場比賽提供了360數(shù)據(jù)幀。

開放數(shù)據(jù)的每次射門事件還包含了Statsbomb根據(jù)自己的模型計算出的期望進(jìn)球概率(Expected Goals, xG)數(shù)據(jù)。

本篇使用了Statsbomb的公開數(shù)據(jù)集。

Statsbomb數(shù)據(jù)說明

由于數(shù)據(jù)訪問涉及到球場坐標(biāo)，因此球場大小、進(jìn)攻方向和坐標(biāo)系統(tǒng)就尤為重要。不幸的事，這事還沒有標(biāo)準(zhǔn)可言，目前不同的數(shù)據(jù)提供商都自有一套。有的廠商坐標(biāo)原點(diǎn)是左上，有的是左下，有的坐標(biāo)范圍是[0,1]，有的是標(biāo)準(zhǔn)球場尺寸坐標(biāo)，因此在處理數(shù)據(jù)過程中特別需要注意。

下圖的球場尺寸是來自Statsbomb開放數(shù)據(jù)中的數(shù)據(jù)規(guī)范：

球門尺寸：

Statsbomb的位置坐標(biāo)是按照以球場左上為原點(diǎn)，球場大小為120×80來記錄的。

注意：Statsbomb的長度單位是碼(yard)，在必要的時候，我們需要將其轉(zhuǎn)換為米，以米為單位的標(biāo)準(zhǔn)球場大小是105×68。

注意：數(shù)據(jù)中記錄的位置數(shù)據(jù)，在進(jìn)攻（射門事件）時，不論主隊(duì)客隊(duì)，進(jìn)攻方向總是從左往右的，也就是說射門事件中，一般來說x坐標(biāo)都在100左右。

數(shù)據(jù)按照賽事、賽季和比賽進(jìn)行組織，采用json格式文件來描述。

賽事和賽季數(shù)據(jù)保存在competitions.json文件中，每個賽事、賽季、比賽、球員都有一個id標(biāo)識。

每個賽事和賽季的比賽存放在matches目錄中，按照賽事id目錄存放了比賽的元數(shù)據(jù)。

在events和lineups目錄中，按照比賽id存放了每個比賽的事件和陣容數(shù)據(jù)。

在使用數(shù)據(jù)之前，使用json數(shù)據(jù)查看器看一下數(shù)據(jù)的大概內(nèi)容，對格式和描述內(nèi)容有個大概了解，從文件中可以看出，數(shù)據(jù)的可讀性非常好，也有大量冗余數(shù)據(jù)，適合人去理解。

同時瀏覽一下開放數(shù)據(jù)中包含的數(shù)據(jù)規(guī)范。

使用kloppy

數(shù)據(jù)加載

假設(shè)你的網(wǎng)絡(luò)可以很順利的訪問github，那么我們就可以很順利的加載數(shù)據(jù)了：

from kloppy import statsbomb # 從開放數(shù)據(jù)中加載id為7559的比賽數(shù)據(jù) # 只加載類型為pass(傳球)和shot(射門)這兩類事件 # 數(shù)據(jù)中的坐標(biāo)系統(tǒng)采用statsbomb坐標(biāo)系統(tǒng) dataset = statsbomb.load_open_data(match_id=7559,coordinates=statsbomb,event_types=[pass, shot])

也可以把開放數(shù)據(jù)從github克隆到本機(jī)，然后采用使用kloppy進(jìn)行加載

match_id = 68366 base_url = /location/to/you/data/statsbomb/data dataset = statsbomb.load( event_data=os.path.join(base_url, events/%s.json%match_id), lineup_data=os.path.join(base_url, lineups/%s.json%match_id), # 轉(zhuǎn)換為kloppy自己的坐標(biāo)系統(tǒng) coordinates=kloppy )

kloppy設(shè)計了一套標(biāo)準(zhǔn)數(shù)據(jù)模型，來適應(yīng)不同數(shù)據(jù)服務(wù)商的數(shù)據(jù)。

標(biāo)準(zhǔn)數(shù)據(jù)模型包含了如下類型的事件：ShotEvent、PassEvent以及GenericEvent(不識別的其他類型事件都放在這里面)等13種，大大少于各數(shù)據(jù)服務(wù)商自行定義的事件類型。那如何訪問標(biāo)準(zhǔn)數(shù)據(jù)模型之外的其他數(shù)據(jù)？

第一種方法：直接訪問

e.raw_event[play_pattern]

raw_event屬性保存的原始的事件，在需要時根據(jù)Statsbomb數(shù)據(jù)規(guī)范進(jìn)行訪問，但要注意這里面的數(shù)據(jù)沒有經(jīng)過kloppy的處理轉(zhuǎn)換，使用時要小心。

第二種方法，使用EventFactory。通過EventFactory將raw_event中需要的數(shù)據(jù)增加為事件的屬性。

match_id = 7559 base_url = /location/to/you/data/statsbomb/data import os from kloppy import statsbomb from dataclasses import dataclass from kloppy.domain import EventFactory, create_event, ShotEvent, PassEvent, EventDataset @dataclass(repr=False) class StatsBombShotEvent(ShotEvent): statsbomb_xg: float = None class StatsBombEventFactory(EventFactory): def build_shot(self, **kwargs) -> ShotEvent: kwargs[statsbomb_xg] = kwargs[raw_event][shot][statsbomb_xg] kwargs[body_part_type] = kwargs[raw_event][shot][body_part][name] return create_event(StatsBombShotEvent, **kwargs) event_factory = StatsBombEventFactory() dataset = statsbomb.load( event_data=os.path.join(base_url, events/%s.json%match_id), lineup_data=os.path.join(base_url, lineups/%s.json%match_id), event_types=[shot] coordinates=statsbomb, event_factory=event_factory )

這樣得到的dataset中的事件就包含了statsbomb_xg期望進(jìn)球概率和body_part_type進(jìn)球部位這兩個屬性，不需要訪問raw_event屬性了。

數(shù)據(jù)轉(zhuǎn)換

加載數(shù)據(jù)操作load返回kloppy事件數(shù)據(jù)集EventDataset可以使用迭代器進(jìn)行訪問，可以使用進(jìn)行過濾，也可以使用查找，還可以通過某個事件獲取關(guān)聯(lián)事件。

# 過濾出所有的射門事件中的進(jìn)球事件 filtered_dataset = dataset.filter(shot.goal) # 查找出所有的傳球事件 passes = dataset.find_all(pass) # 從某一事件中獲取關(guān)聯(lián)事件 events = event.get_related_events()

通常對EventDataset進(jìn)行過濾或者查找之后轉(zhuǎn)換為pandas DataFrame。

轉(zhuǎn)換操作to_df可以將數(shù)據(jù)集的指定屬性轉(zhuǎn)換成DataFrame

dataset.to_df( period_id, timestamp, *coordinates*, )

可以指定需要保留到DataFrame中的列名稱或者名稱通配符，還可以通過lambda進(jìn)行轉(zhuǎn)換：

dataset.to_df( # 將事件的某些屬性轉(zhuǎn)換為df的列 lambda event: {period: event.period.id, timestamp: event.timestamp}, # 直接指定列常量 some_columns=1234, # 可調(diào)用的列 other_column=lambda x: random.randint(0, 255) )

而to_pandas操作可以將事件的所有屬性轉(zhuǎn)換為DataFrame的列，并可以增加一些其他列：

dataframe = dataset.to_pandas( additional_columns={ player_name: lambda event: str(event.player), team_name: lambda event: str(event.player.team) } )

具體可以參考kloppy的文檔頁面。

使用mplsoccer

mplsoccer畫出一個球場非常簡單：

from mplsoccer.pitch import Pitch pitch = Pitch(pitch_color=grass, line_color=white, stripe=True) fig, ax = pitch.draw()

效果如下：

_images/sphx_glr_plot_quick_start_001.png

pitch封裝了matplotlib中pyplot的許多畫圖操作，可以一對一使用。

案例：射門數(shù)據(jù)分析

將前面的東西綜合起來，我們可以得到一個表達(dá)出一場比賽中射門位置、射門xG(Expected Goals)的射門分析圖

# 導(dǎo)入比賽數(shù)據(jù) import pandas as pd import os from kloppy import statsbomb # 指定比賽id。如果想分析指定的賽事，可以寫代碼從分析competitions.json開始 match_id = 68366 # 指定數(shù)據(jù)位置。這里假定數(shù)據(jù)下載到了本機(jī) base_url = /location/to/your/data/statsbomb/data # 加載數(shù)據(jù)并設(shè)定kloppy坐標(biāo)系統(tǒng)，長寬坐標(biāo)為0~1 # 注意有些未經(jīng)轉(zhuǎn)換的statsbomb附加數(shù)據(jù)的單位仍然是yard dataset = statsbomb.load( event_data=os.path.join(base_url, events/%s.json%match_id), lineup_data=os.path.join(base_url, lineups/%s.json%match_id), coordinates=kloppy ) # 從數(shù)據(jù)集中過濾出射門事件 shots = dataset.filter(shot) # 觀察一下數(shù)據(jù)的元數(shù)據(jù)，包含了球場大小、進(jìn)攻方向和坐標(biāo)系統(tǒng) print(dataset.metadata.pitch_dimensions) print(dataset.metadata.orientation) print(dataset.metadata.coordinate_system) # 參賽的兩只球隊(duì) (team1, team2) = dataset.metadata.teams print(team1.name, team2.name) # 米表示的標(biāo)準(zhǔn)球場大小 pitch_length=105 pitch_width=68 # 我們只分析一只球隊(duì)，所以畫半場圖形更方便 from mplsoccer import VerticalPitch pitch = VerticalPitch(line_color=black, half = True, pitch_length=pitch_length, pitch_width=pitch_width) fig, ax = pitch.grid(grid_height=0.9, title_height=0.06, axis=False, endnote_height=0.04, title_space=0, endnote_space=0) # 將射門事件轉(zhuǎn)換為DataFrame # 保留了參賽隊(duì)名稱、射門的球場坐標(biāo)和期望進(jìn)球xG df = shots.to_df( lambda e: {team: e.team.name}, coordinate*, lambda e: {statsbomb_xg: e.raw_event[shot][statsbomb_xg]} ) # 篩選出其中一只隊(duì)伍，這場比賽是巴塞羅那 df = df.loc[df[team]==team1.name] # 將射門事件用點(diǎn)散點(diǎn)圖畫出來，xG用條帶顏色表示，顏色越深進(jìn)球可能性越高 # 坐標(biāo)位于[0,1]，還有按照球場長寬進(jìn)行轉(zhuǎn)換 pitch.scatter( df.coordinates_x*pitch_length, df.coordinates_y*pitch_width, alpha=1, s = 500, c=df.statsbomb_xg*100, cmap=Reds, ax=ax[pitch], edgecolors=black ) fig.suptitle(%s射門位置%team1.name, fontsize = 30) plt.show() # 由于mplsoccer是基于matplotlib， # 注意解決非Windows系統(tǒng)中matplotlib的中文亂碼

效果如下：