前言：再次科普一下xg与“真实射门得分率”

球队数据总结系列已经更新了6篇。每一篇里我都会用到一个概念：“真实射门得分率”。读者们对此有疑问也不是一两次了。实际上上赛季初我就已经介绍过这个自创的算法。这是一个基于高阶数据“预期进球数（expected goals，简称xg）”基础之上的算法，其目的是量化前锋修正射门难度的能力。这里我们先科普一下什么是“预期进球数”。

其实最近两年，国内网络上对这一数据的介绍已经非常多（大多会翻译成“进球预期值”），其中不乏一些持证教练和解说给出完全错误的科普……据我所知，这个数据最早应该是由OPTA公司提出的，后来很多公司也都投身其中，这也导致目前的xg数据源非常多，好在各家公司的核心思路都差不多，只不过系数和算法存在微小差异。这里我们先介绍一下思路。首先给大家看一个opta官网上的xg数据介绍视频里截下的动图：

这个视频很多博主在科普xg数据时都会使用，它揭示出了xg数据的本质——在射门发生之前一瞬间，不考虑射门质量，只根据射门环境，量化这次射门的进球概率。换言之，你可以理解为，它量化的是“射门的难度”。

当然，上面这个视频所参考的因素非常少。但是在过去两年里，xg算法所考虑的元素是不断增加，比如微博上一些博主在每场比赛后更新的球队xg数据，用的就是荷兰足球网站between the post的数据，而根据其兄弟网站（就是同一个老板创立的专门讨论足球理论的网站）11tegen11的介绍，他们在计算xg时参考了很多元素，包括射门位置（包括距离和角度）、射门前的传球情况（是否为传中、经过了多少脚传球、是否是断球后立即发起的进攻）、持球操作情况（是否经历了过人、是否过掉了守门员、是否属于OPTA界定的“绝佳机会”）等等。此外，各家数据源所用的样本库也不同。opta是过去30万次射门，而我常用的wyscout则用的是过去5年的所有射门。这些都会对xg量化造成一定的差异，但这个差异非常小。

如果我们认清了xg的本质是“射门难度”，那么，下一个推论就产生了：我们可以利用它，来量化“球员修正射门难度的能力”。说白了，打进一个进球概率为35%的射门，肯定比打进一个进球概率为65%的射门更难。这就有了我所提出的这个“真实射门得分率”的算法，公式是（实际进球数的总和-预期进球数的总和）/射门次数*100%，其内涵是：球员（或者球队）在平均每次射门中，对进球概率的修正值。当然，当预期进球多于实际进球时，计算结果会出现负数。