当前位置：首页 > 足球资讯 > 正文内容

Soccermatics之一：使用python分析足球数据集

杏彩体育2年前 (2023-03-01)足球资讯71

开始之前

本篇假设读者熟悉python编程、matplotlib和pandas软件包的使用

鸣谢

本篇的内容部分参考了Soccermatics(https://soccermatics.readthedocs.io)；

数据集使用了Statsbomb公司(https://www.statsbomb.com)的开放数据(https://github.com/statsbomb/open-data)。

我们可以分析些什么？

利用丰富的球场比赛数据，可以分析射门瞬间，防守进攻的各种选择；分析传球网络图、球场热点；计算射门预期进球，评价球员控球或无球跑动，量化球员招募等等。

开发环境

基础环境

python环境

python3.10 venv，推荐ubuntu，安装软件包方便快捷，非常适合用作开发环境，直接在应用商店中安装，不需要使用浏览器下载软件安装包。

如果系统已经安装了python的软件包virtualenv，则可以使用如下命令创建并激活虚拟运行环境（假设所有的数据和代码都存放在eda目录下）：

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

科学计算四件套：numpy、scipy、matplotlib、pandas，这几个软件包可以直接在python虚拟运行环境中安装：

pip install -U numpy scipy matplotlib pandas

推荐使用poetry来管理软件包，pyenv管理虚拟运行环境。

足球数据分析软件之mplsoccer

mplsoccer(https://github.com/andrewRowlinson/mplsoccer)是基于画图软件matplotlib的足球可视化软件，除了可以展示球场为基础的数据之外，还支持多种面向球赛/球员统计数据的图表。mplsoccer还可以直接读取解析足球数据提供商statsbomb的数据，但本篇中没有使用mplsoccer的这项功能。

足球分析软件kloppy

kloppy(https://github.com/PySport/kloppy)是设计用来统一访问多个足球数据集提供商的访问库。不同的最取数据服务商的数据在格式和描述方式上有区别，如果需要来自多个服务商的数据或者需要切换数据服务商，则代码会比较混乱。kloppy提供了数据的序列化/反序列化、标准数据描述模型、数据过滤/转换器等一系列功能，使读取足球数据方便快捷。

其他配套软件视个人喜好：编辑器Microsoft vscode以及相关插件，python软件包jupyter等。

足球数据集

足球的数据种类很多，涵盖了球队战绩、球员能力等各个方面，但要是想详细分析某一长球赛的细节，目前用来分析的主要是下面几种数据。

事件数据

事件数据详细描述了一场球赛中的每一次球处理的详细信息，比如传球、射门、盘带、争顶等，每次事件包含了时间、球员、球场坐标等，以及其他详细信息。事件数据是由数据提供商从比赛录像中人工提取，一般来说一场比赛会包含数千个事件。

显然事件数据需要成本，但近年来一些数据服务商免费提供了一些公开数据，这些免费的公开数据主要有：

statsbomb

赛事比赛数量赛季男足世界杯642018欧洲杯512020英超（阿森纳）3303/04西甲（梅西）52004/05 – 20/21欧冠（决赛）1499/00 – 18/19女足世界杯522019美国国家联赛362018英超32618/19 – 20/21合计1096

数据下载页面（https://github.com/statsbomb/open-data）

wyscout

赛事比赛数量赛季法甲38017/18英超38017/18意甲38017/18西甲38017/18德甲30617/18世界杯642018欧洲杯512016合计1941

数据下载页面(https://github.com/koenvo/wyscout-soccer-match-event-dataset)

追踪数据

跟踪数据是将球赛每时每刻的球员和足球的位置坐标都记录下来，每秒25帧！

免费的追踪数据主要有：

metrica sport

这个公开数据包含了三场匿名的比赛追踪数据，帧速为25Hz，除了场上所有球员的追踪数据外，还提供了与追踪数据时间对齐的事件数据。

数据下载链接(https://github.com/metrica-sports/sample-data)

skillcorner

SkillCorner的免费数据包含了9场比赛，帧速为10Hz。数据是从直播镜头中采集，因此数据只包含了位于镜头中的球员。

数据下载链接(https://github.com/SkillCorner/opendata)

事件数据往往具备语义，适合做机器统计分析，虽然不同提供商的语义模型稍有差异；而追踪数据包含了每刻球员的位置没有包含语义，适合进行人工分析；如果事件数据和追踪数据的时间轴是对齐的，配合起来更加强大。

开始数据分析

Statsbomb数据集更新频繁，数据丰富，还包含了其特有的360数据帧。360数据记录了该事件发生时其他球员的位置，使态势分析更加有依据。StatsBomb 的公开数据为 2020 年欧洲杯的 51 场比赛提供了360数据帧。

开放数据的每次射门事件还包含了Statsbomb根据自己的模型计算出的期望进球概率(Expected Goals, xG)数据。

本篇使用了Statsbomb的公开数据集。

Statsbomb数据说明

由于数据访问涉及到球场坐标，因此球场大小、进攻方向和坐标系统就尤为重要。不幸的事，这事还没有标准可言，目前不同的数据提供商都自有一套。有的厂商坐标原点是左上，有的是左下，有的坐标范围是[0,1]，有的是标准球场尺寸坐标，因此在处理数据过程中特别需要注意。

下图的球场尺寸是来自Statsbomb开放数据中的数据规范：

球门尺寸：

Statsbomb的位置坐标是按照以球场左上为原点，球场大小为120×80来记录的。

注意：Statsbomb的长度单位是码(yard)，在必要的时候，我们需要将其转换为米，以米为单位的标准球场大小是105×68。

注意：数据中记录的位置数据，在进攻（射门事件）时，不论主队客队，进攻方向总是从左往右的，也就是说射门事件中，一般来说x坐标都在100左右。

数据按照赛事、赛季和比赛进行组织，采用json格式文件来描述。

赛事和赛季数据保存在competitions.json文件中，每个赛事、赛季、比赛、球员都有一个id标识。

每个赛事和赛季的比赛存放在matches目录中，按照赛事id目录存放了比赛的元数据。

在events和lineups目录中，按照比赛id存放了每个比赛的事件和阵容数据。

在使用数据之前，使用json数据查看器看一下数据的大概内容，对格式和描述内容有个大概了解，从文件中可以看出，数据的可读性非常好，也有大量冗余数据，适合人去理解。

同时浏览一下开放数据中包含的数据规范。

使用kloppy

数据加载

假设你的网络可以很顺利的访问github，那么我们就可以很顺利的加载数据了：

from kloppy import statsbomb # 从开放数据中加载id为7559的比赛数据 # 只加载类型为pass(传球)和shot(射门)这两类事件 # 数据中的坐标系统采用statsbomb坐标系统 dataset = statsbomb.load_open_data(match_id=7559,coordinates=statsbomb,event_types=[pass, shot])

也可以把开放数据从github克隆到本机，然后采用使用kloppy进行加载

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), # 转换为kloppy自己的坐标系统 coordinates=kloppy )

kloppy设计了一套标准数据模型，来适应不同数据服务商的数据。

标准数据模型包含了如下类型的事件：ShotEvent、PassEvent以及GenericEvent(不识别的其他类型事件都放在这里面)等13种，大大少于各数据服务商自行定义的事件类型。那如何访问标准数据模型之外的其他数据？

第一种方法：直接访问

e.raw_event[play_pattern]

raw_event属性保存的原始的事件，在需要时根据Statsbomb数据规范进行访问，但要注意这里面的数据没有经过kloppy的处理转换，使用时要小心。

第二种方法，使用EventFactory。通过EventFactory将raw_event中需要的数据增加为事件的属性。

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 )

这样得到的dataset中的事件就包含了statsbomb_xg期望进球概率和body_part_type进球部位这两个属性，不需要访问raw_event属性了。

数据转换

加载数据操作load返回kloppy事件数据集EventDataset可以使用迭代器进行访问，可以使用进行过滤，也可以使用查找，还可以通过某个事件获取关联事件。

# 过滤出所有的射门事件中的进球事件 filtered_dataset = dataset.filter(shot.goal) # 查找出所有的传球事件 passes = dataset.find_all(pass) # 从某一事件中获取关联事件 events = event.get_related_events()

通常对EventDataset进行过滤或者查找之后转换为pandas DataFrame。

转换操作to_df可以将数据集的指定属性转换成DataFrame

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

可以指定需要保留到DataFrame中的列名称或者名称通配符，还可以通过lambda进行转换：

dataset.to_df( # 将事件的某些属性转换为df的列 lambda event: {period: event.period.id, timestamp: event.timestamp}, # 直接指定列常量 some_columns=1234, # 可调用的列 other_column=lambda x: random.randint(0, 255) )

而to_pandas操作可以将事件的所有属性转换为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) } )

具体可以参考kloppy的文档页面。

使用mplsoccer

mplsoccer画出一个球场非常简单：

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封装了matplotlib中pyplot的许多画图操作，可以一对一使用。

案例：射门数据分析

将前面的东西综合起来，我们可以得到一个表达出一场比赛中射门位置、射门xG(Expected Goals)的射门分析图

# 导入比赛数据 import pandas as pd import os from kloppy import statsbomb # 指定比赛id。如果想分析指定的赛事，可以写代码从分析competitions.json开始 match_id = 68366 # 指定数据位置。这里假定数据下载到了本机 base_url = /location/to/your/data/statsbomb/data # 加载数据并设定kloppy坐标系统，长宽坐标为0~1 # 注意有些未经转换的statsbomb附加数据的单位仍然是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 ) # 从数据集中过滤出射门事件 shots = dataset.filter(shot) # 观察一下数据的元数据，包含了球场大小、进攻方向和坐标系统 print(dataset.metadata.pitch_dimensions) print(dataset.metadata.orientation) print(dataset.metadata.coordinate_system) # 参赛的两只球队 (team1, team2) = dataset.metadata.teams print(team1.name, team2.name) # 米表示的标准球场大小 pitch_length=105 pitch_width=68 # 我们只分析一只球队，所以画半场图形更方便 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) # 将射门事件转换为DataFrame # 保留了参赛队名称、射门的球场坐标和期望进球xG df = shots.to_df( lambda e: {team: e.team.name}, coordinate*, lambda e: {statsbomb_xg: e.raw_event[shot][statsbomb_xg]} ) # 筛选出其中一只队伍，这场比赛是巴塞罗那 df = df.loc[df[team]==team1.name] # 将射门事件用点散点图画出来，xG用条带颜色表示，颜色越深进球可能性越高 # 坐标位于[0,1]，还有按照球场长宽进行转换 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射门位置%team1.name, fontsize = 30) plt.show() # 由于mplsoccer是基于matplotlib， # 注意解决非Windows系统中matplotlib的中文乱码

效果如下：