statsbomb怎么查看数据

StatsBomb的看数公开数据页面（github.com/statsbomb/open-data）不是给你“看”的，是看数给你“拆”的。你要是看数想找个网站点点鼠标就能导出Excel，那趁早关掉这个页面——它是看数个JSON仓库，一堆嵌套字典，看数看着就头大。看数但恰恰是看数这种“不友好”，让它成为目前免费足球数据里最干净、看数最细的看数一口井。

先别急着下载整个仓库。看数你只需要进到data/matches文件夹，看数找到你想要的看数赛事和赛季，比如90是看数世界杯，37是看数英超，文件名里带着比赛ID。看数拉一个比赛的JSON下来，打开那一刻你会骂娘——全是坐标、事件类型ID、球员ID，没有一行人话。别慌，你需要的是data/events里对应的那个文件，那才是核心。

真正的用法是写几行Python。用pandas读JSON，json_normalize把嵌套的location、pass.end_location拍平。我自己的习惯是先筛type.name == "Shot"，把射门事件拎出来，再合并players文件里的球员姓名。就这么几步，你就能看到每脚射门的xG、身体部位、助攻方式。比如2022年世界杯决赛，姆巴佩那脚凌空抽射，数据里technique.name显示Volley，first_time是True——这些细节比看录像更冷冰冰，但更接近真相。

嫌写代码麻烦？那你用statsbombpy这个Python包，三行命令搞定：sb.competitions()列出所有赛事，sb.matches(competition_id=43, season_id=106)拿到某届欧洲杯的赛程，再sb.events(match_id=3869685)直接出DataFrame。这包是社区维护的，不是官方出品，但稳定得很。唯一坑是它默认从GitHub拉数据，国内网络偶尔抽风，挂个代理或者干脆手动下载后改本地路径。

我个人的观察是，大多数人卡在“看不懂事件类型ID”上。比如80是Pressure，120是Error，43是Miscontrol。你得先花半小时把data/events里的type和subtype字典翻一遍。别偷懒，这半小时的价值远超过你之后瞎猜两小时。StatsBomb的独特之处在于它记录了“无球事件”，比如压迫和失误，这是Opta公开数据里没有的。你想分析高位逼抢，直接筛type.name == "Pressure"，按location的x坐标分组，就能画出一张球队压迫热区图，比任何战术板都直观。

最后说句掏心窝的话——别指望这份数据能直接告诉你“谁强谁弱”。它是一堆事实，不是结论。你需要自己问问题，比如“曼城在失去球权后5秒内反抢的成功率是多少”，然后写代码去算。这个过程很磨人，但当你从events里挖出某个边后卫每次接球前的身体朝向，你会突然理解为什么教练会骂人。数据不是答案，但它是让你问出更好问题的工具。就这么简单。

(责任编辑：探索)