Jeg har bygget videre på scripts fra de seneste versioner, og har nu samlet funktionerne “Shot Plot” og “Xg-Table” i 1 script, der leverer 2…
Superliga
xG-tabel via Python og Superliga.dk
Endnu en leg med xG-data fra den danske Superliga. Det er samme datasæt/tilgang som i Xg-plots med Python og Superliga.dk part 3 og Xg-plots med Python og Superliga.dk (part2), men her brugt til at liste alle chancer i en kamp på pænest mulige måde.
Xg-plots med Python og Superliga.dk part 3
Jeg har opdateret scriptet en smule. Se evt. Xg-plots med Python og Superliga.dk (part2).
Man kan nu vælge når man kører scriptet, hvilke runder man ønsker data fra og evt. tilføje et enkelt holds ID, så man kun får kampe hvor holdet har været indvolveret.
Xg-plots med Python og Superliga.dk (part2)
Analyse af Forventede Mål (xG) i Superligaen med Python
I moderne fodboldanalyse spiller statistikker en stadig vigtigere rolle, og én af de mest centrale statistikker er “Expected Goals” (xG). Expected Goals giver en dybere indsigt i holdenes og spillernes præstationer ved at kvantificere kvaliteten af de chancer, de skaber og afslutter. I dette indlæg vil jeg præsentere et Python-script, jeg har udviklet, som analyserer og visualiserer xG-data fra Superligaen.
Hvad er Expected Goals (xG)?
Expected Goals er en statistisk måling, der vurderer sandsynligheden for, at et skud resulterer i et mål, baseret på forskellige faktorer såsom skuddets afstand til målet, vinkel, skuddets type, og meget mere. Denne måling giver en mere nuanceret forståelse af et holds offensive præstationer end blot at se på antallet af scorede mål.
Xg shot plots with Pyhton og R
Visualisering af XG-begivenheder i f.eks. Superligaen ved et Shot Plot med xg-tabel, resultat og målscorer markeret.
R-script filtrerer XG-events
Vil du gerne vide hvor mange chancer Hvidovre har skabt efter indirekte frispark, hvor afslutningen har været med højre fod?
Eller hvor mange gange Odense Boldklub har afsluttet med hovedet i 1. halvleg?
Eller vil du have oplistet alle afslutninger med en XG over 0,5 med venstre fod som ramte stolpen?
Så er flg. script vejen frem i Rstudio:
XG-plotning af Superligaen 2023/2024 via R
Sådan bruger du Rstudio og ggplot til at visualisere XG events fra fodboldkampe. F.eks. fra Superligaen.
R-script til håndtering af xg-events i #sldk 2024
Script til at behandle Xg-data/events i R, via Rstudio.
Data fra Superligaen 2023/2024 grundspillet.
Superliga-Datahoarding
I dette blogindlæg vil jeg tage jer med på min lidt nørdede rejse ind i fodboldstatistikkers verden, hvor jeg med et snert af autisme i forhold til data, besluttede mig for at downloade resultaterne for alle 4300 fodboldkampe i Superligaen siden 2001. Dette projekt blev udført via R-studio og Rscripts, med lidt hjælp fra mine digitale hjælpere, ChatGPT og Bard.
Jeg dykker ned i, hvordan jeg brugte Rstudio til at automatisere indsamlingen af data fra Superliga.dk, hvor kampe siden 2001 kan tilgås via sæson- og event-identifikatorer. Trods nogle strukturelle udfordringer med mappenavne, som krævede manuel efterbehandling, vil jeg dele, hvordan jeg navigerede i datamanipulation og endte med at anvende Excel til yderligere databehandling på grund af de udfordringer, som jeg stødte på i R.
Jeg vil også dele mine erfaringer med at importere data til en MySQL database, hvilket gav mig en praktisk måde at filtrere og sortere data på – ideelt til fodboldstatistik under sociale sammenkomster. Læs med og find ud af, hvordan en kombination af nygerrighed og datadrevet dedikation kan lede til både frustration og triumf i jagten på den perfekte statistikoversigt.