本文目录导读：
在足球数据分析领域，“进攻三区”（Attacking Third）通常指球场前三分之一区域，即距离对方球门约35米内的区域，量化该区域的效率值，核心思路是将“进入该区域后的行为”转化为可比较的数值，以下从指标设计、数据来源、计算模型到实际应用,做一个系统梳理。
基础概念界定
| 维度 | 说明 |
|---|---|
| 空间定义 | 通常为对方半场最后1/3，部分模型细分为边路/中路/肋部 |
| 行为类型 | 传球、带球、射门、传中、被犯规、丢失球权等 |
| 效率含义 | 单位进攻行为产生的预期产出（进球、助攻、射门、推进值等） |
核心量化指标
进入三区频率类
- 三区进入次数 / 90分钟：衡量球队或球员将球推进到危险区域的频率
- 三区控球率：在该区域内本方控球时间占比
- 三区传球成功率：反映在该区域内的技术稳定性
产出效率类
- xA（预期助攻）：每次传球转化为助攻的概率累加
- xG（预期进球）：该区域内射门的进球概率
- Key Passes / 90：制造射门的关键传球
- Shot-Creating Actions / 90：制造射门的动作（传球或带球）
综合效率值
常用复合公式：
[ \text{三区效率值} = \frac{\sum (xG + xA + 0.5 \times KeyPasses)}{三区触球次数} \times 100 ]
或采用每三区触球的预期产出：
[ \text{Efficiency} = \frac{xG{三区} + xA{三区}}{Touches_{三区}} ]
数据来源与工具
| 工具/平台 | 特点 |
|---|---|
| Opta / Stats Perform | 事件级数据，含坐标、压力、身体部位 |
| Wyscout | 支持自定义区域过滤与导出 |
| Football Reference (FBref) | 免费，含xG、xA、SCA等 |
| Understat | xG链数据，适合射门分析 |
| SkillCorner | 追踪数据，可算跑动拉扯与空间创造 |
| 自建Python管线 | 用mplsoccer + pandas做区域切片 |
计算流程（以球员为例）
Step 1：数据清洗
- 提取所有事件坐标（x, y），统一为进攻方向
- 筛选 x ≥ 66.7（即前1/3）的事件
Step 2：分类聚合
三区触球 = Pass + Carry + Shot + Fouled + ...
三区推进 = 成功传球向前 + 成功带球向前
三区产出 = xG + xA + 0.3×KeyPass + 0.2×ProgressivePassStep 3：归一化
- 除以90分钟
- 除以三区触球总数（得效率比）
- 与联赛同位置均值做z-score标准化
Step 4：输出效率值 [ \text{AT-Eff} = z(xG/90) + z(xA/90) + z(SCA/90) - z(丢失球权/90) ]
进阶模型思路
- 空间价值模型：用历史数据训练“该位置该动作→进球概率”的映射
- VAEP框架：对每个动作计算对进球概率的增减值，再按区域汇总
- 对抗调整：引入防守压力（对手距离、人数），区分“空位刷数据”与“高压高效”
- 网络分析：把三区传球构建为图，计算节点中心性，识别真正撕开防线的球员
注意事项
- 样本量：三区事件本身较少，需至少10场以上才有统计意义
- 角色差异：边锋与中锋的效率基准不同，需分位置比较
- 战术语境：反击型球队与控球型球队的三区触球含金量不同
- 不要唯效率论：高频率低效率的球员可能仍在拉扯防线、制造空间
简易实操示例（Python伪代码）
import pandas as pd
# 假设events含列: x, y, type, xG, xA, player
events['in_final_third'] = events['x'] >= 66.7
ft = events[events['in_final_third']]
summary = ft.groupby('player').agg(
touches=('type', 'count'),
xg=('xG', 'sum'),
xa=('xA', 'sum'),
key_passes=('type', lambda s: (s=='KeyPass').sum())
)
summary['AT_Eff'] = (summary['xg'] + summary['xa'] + 0.5*summary['key_passes']) / summary['touches'] * 100
如果你有具体的数据源（如Opta CSV、FBref导出）或想针对某支球队/球员建模，可以告诉我,我可以帮你定制指标体系和计算脚本。
版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。
