将足球赛事流数据转换为 SPADL 格式并重视球员的有球动作
项目描述
将足球赛事流数据转换为 SPADL 格式
并重视球员的有球动作。
Socceraction 是一个 Python 包，用于客观地量化足球运动员使用事件流数据执行的个人动作的影响。总体思路是根据动作对比赛结果的影响为每个有球动作分配一个值，同时考虑动作发生的上下文。下面的视频用两分钟的时间快速介绍了行动价值。
https://user-images.githubusercontent.com/2175271/136857714-1d2c8706-7f2f-449d-818f-0e67fbb75400.mp4
特征
Socceraction 包含以下组件：
- StatsBomb、Opta、Wyscout、StatsPerform 和 WhoScored 数据的加载器，可以使用统一的数据模型将事件和相应的元数据加载为 Pandas DataFrames。阅读更多 ”
- 将事件流数据转换为SPADL和atomic-SPADL格式，这些格式是统一且富有表现力的语言，用于有球运动员的动作。阅读更多 ”
- xT框架的实现，使用基于控球的马尔可夫模型来评估球的前进动作。阅读更多 ”
- VAEP和Atomic-VAEP框架的实施，以评估行动对分数线的预期影响。阅读更多 ”
安装/入门
推荐的安装方式socceraction是简单地使用 pip。最新版本正式支持 Python 3.7.1 - 3.9。
$ pip install socceraction
该文件夹public-notebooks提供了从原始 StatsBomb 事件流数据到操作值和玩家评分的完整管道的演示。可以在文档中找到更详细的安装/使用说明。
贡献
欢迎所有贡献、错误报告、错误修复、文档改进、增强和想法。但是，请注意，socceraction 并未积极开发。它的主要用途是使我们的研究具有可重复性。如果您认为缺少某个功能，请随时提出功能请求，但请注意，您的功能请求极有可能不会被接受。要了解有关如何贡献的更多信息，请参阅贡献者指南。
研究
如果您在研究中使用此软件包，请考虑引用以下论文：
-
Decroos、Tom、Lotte Bransen、Jan Van Haaren 和 Jesse Davis。行动胜于目标：重视球员在足球中的行动。在第 25 届 ACM SIGKDD 知识发现和数据挖掘国际会议论文集上，第 1851-1861 页。2019.
[ PDF | 中文提供] -
Maaike Van Roy、Pieter Robberechts、Tom Decroos 和 Jesse Davis。评估足球中的有球动作：XT 和 VAEP 的关键比较。在 AAAI-20 团队运动中的人工智能研讨会论文集上。团队运动组委会中的人工智能，2020
。[ pdf | 中文提供]
预期威胁 (xT) 框架最初是由 Karun Singh于 2019 年在其博客中引入的。
执照
根据MIT 许可条款分发，socceraction 是免费的开源软件。虽然不是严格要求，但如果您包含指向此 repo 的链接或在您的工作中引用我们的研究（如果您使用 footballaction），我们将不胜感激。
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
内置分布
Footballaction-1.2.3- py3 -none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 5c8493e6b346035a66ffa6db0debcd752158e06f050cf2a12936cc1be086cfb9 |
|
| MD5 | 33bdb0eb232ee706f54bf6db0efb24d4 |
|
| 布莱克2-256 | 54d3ed755b282c5655d590b3c72ab8bd58c9b2b849dac59a9d27ab47230c5355 |